\r \r

文件分析器\r

\r 当用户提供一个包含多个文档的本地目录，并希望：\r

• 对文档进行管理\r
• 批量提取文档文本\r
• 对文档进行主题分类\r
• 基于固定模板输出一份总报告\r
• 自动将文档移动到分类后的文件夹\r \r ---\r

Token Extraction\r

\r From user input 管理 D:\测试路径下的文档 → file_path = D:\测试\r \r

技能目标\r

\r 本技能的目标是处理一个本地文件夹，并输出一份完整报告。\r \r 整个流程必须分为三个阶段：\r \r

1. 提取文本\r
2. 文档分类 + 文件整理\r
3. 写报告\r \r 其中：\r

• 第一阶段由脚本完成\r
• 第二阶段完成分类 + 文件移动\r
• 第三阶段写报告时，必须参考用户提供的报告模板或技能内预设模板\r ---\r \r

输入\r

\r 用户会提供一个本地目录路径，例如：\r \r D:\papers\r \r 目录中应包含一个或多个 .pdf 文件。\r \r 如果用户提供的是单个文件而不是目录，不要假装支持目录分析。 \r 应明确说明该输入不符合本技能预期。\r \r ---\r \r

第一部分：提取文本\r

\r 这一阶段只负责从目录中的 PDF 提取原始文本。\r \r

脚本职责\r

\r 运行脚本，遍历目标目录中的全部 PDF，并提取每篇文档的纯文本。\r \r 脚本只负责：\r

• 校验目录是否存在\r
• 遍历目录中的 PDF 文件\r
• 提取 PDF 文本\r
• 返回结构化结果\r \r 不要把以下逻辑写进 Python：\r
• 分类任务\r
• 摘要生成\r
• 报告写作\r
• 模板填充\r \r 这些工作都应交给模型完成。\r \r

脚本调用\r

\r 运行脚本：\r \r

run {baseDir}/scripts/extract_pdf_folder.py "\x3Cfolder_path>"\r
```\r
\r
# 第二部分：文档分类\r
\r
## 分类数量要求\r
主题数量应根据文档数量动态调整，建议：\r
- 文档数量 3-6 篇：3-4 个主题\r
- 文档数量 7-12 篇：4-6 个主题\r
- 文档数量 12 篇以上：6-8 个主题\r
\r
分类时应考虑：\r
- **研究领域**（如机器学习、交通工程、气候科学等）\r
- **应用场景**（如预测、检测、建模、分析等）\r
- **数据类型**（如 GPS 轨迹、时序数据、遥感数据等）\r
- **方法论**（如深度学习、统计方法、混合方法等）\r
\r
优先按研究领域细分，同一领域内可按应用场景或方法论进一步区分。\r
\r
## 第二部分输入\r
输入为第一阶段返回的 `documents` 列表。\r
\r
## 第二部分执行\r
逐篇读取 `text`，判断其最核心主题。\r
将其加入到对应的文件夹。\r
\r
## 文件整理（移动文档到分类文件夹）\r
\r
### 执行要求\r
在完成文档分类后，必须将每篇 PDF 文件移动到对应的分类文件夹中。\r
\r
### 操作步骤\r
1. 在目标目录（PDF 所在目录）下创建以主题命名的子文件夹\r
2. 将每篇 PDF 移动到对应主题的子文件夹中\r
3. 文件夹名称应简洁明了，建议使用中文命名（如"电动汽车出行模式"、"城市货运物流"等）\r
\r
### 注意事项\r
- 如果目标文件夹已存在同名子文件夹，直接使用\r
- 移动前确保原文件没有被占用\r
- 报告中的"各主题下的文档归应与实际文件夹结构一致\r
\r
## 第二部分输出\r
至少形成两类内部结果：\r
1. 文档到主题的映射\r
2. 主题到文档集合的映射（根据文档数量动态调整）\r
\r
# 第三部分：写报告\r
\r
这一阶段根据以下输入生成最终报告：\r
\r
1. 第一阶段提取出的文本\r
2. 第二阶段生成的分类结果\r
3. 用户提供的模板或默认模板\r
\r
## 第三部分目标\r
\r
生成一份完整总报告。  \r
报告应先呈现整体内容，再呈现单篇文档卡片。  \r
不要把单篇卡片单独作为第一结果输出。\r
\r
## 模板位置\r
\r
默认报告模板文件位于：\r
\r
`references/report-template.md`\r
\r
写报告时，必须先读取并遵循该模板。\r
\r
如果用户在当前对话中提供了自己的模板，则优先使用用户模板。  \r
如果用户没有提供模板，则使用默认模板。\r
\r
## 第三部分执行顺序\r
\r
1. 读取并理解报告模板\r
2. 根据第一阶段文本和第二阶段分类结果整理报告内容\r
3. 先写文件夹概览\r
4. 再写主题分类结果\r
5. 再写各主题下的文档归并\r
6. 再写总体结论\r
7. 最后写单篇文档卡片\r
8. 若存在失败文件，则在末尾列出\r
\r
## 第三部分输出\r
\r
最终只输出一份完整报告，并保存。\r
\r
报告中至少应包含：\r
- 文件夹概览\r
- 主题分类结果\r
- 各主题下的文档归并\r
- 总体结论\r
- 单篇文档卡片\r
- 处理失败的文件（如有）\r
\r
## 模板遵循要求\r
\r
不要脱离模板自由生成章节结构。  \r
不要擅自增加“文档对比”“差异分析”“优劣比较”等内容，除非用户明确要求。  \r
如果模板中的某个字段无法从文本中得到明确支持，写：\r
\r
`未明确提及`\r
\r
不要为了填满模板而编造内容。