技能介绍

要解决什么问题

工程师和写文档的人经常收到 Word / PPT / Excel / PDF / 网页 / CSV / RTF / ODT / EPUB 等附件，想放进 Git、Obsidian 或给大模型当上下文时，需要的是结构清晰的 Markdown，而不是在多个查看器之间来回切换。手工复制会丢标题层级、表格和列表；PDF 还常出现错行。本技能把「丢一个文件路径」变成「得到一份可 diff 的 .md」。

技能如何工作

核心脚本是 scripts/convert_to_md.py：按文件扩展名自动路由到对应解析器，用户不必声明格式。单文件默认同目录输出 原名.md，可用 -o 指定路径；目录批量转换支持 --recursive 递归子目录。

| 思路 | 说明 |
|------|------|
| Office | .docx 用 python-docx 映射标题样式；.pptx 按页 ## Slide N；.xlsx/.xls 每表一节 + Markdown 表格 |
| 其它 | .pdf 优先 pdfplumber 按页抽文本；.html 用 html2text；.csv/.tsv 嗅探分隔符；.epub 章节合并 |

图片（png/jpg 等）与无文字层的扫描件 PDF 无法直接抽取：convert_to_md.py 会跳过并提示，应改走 tencentcloud-ocr 技能做 OCR，再把识别结果整理成带文件名一级标题的 Markdown，并告知用户可能存在识别误差。

适用边界与注意

目标 .md 已存在会被覆盖，转换前确认是否需要保留旧版。
版式复杂的 PDF 文本层可能错行，必要时改用 OCR 路线。
超大表格（数万行）会生成极长 Markdown，可先与用户确认是否截断或只取摘要。
依赖装在隔离 venv 中；若某格式报 ModuleNotFoundError，在该 venv 内 pip install 对应库即可，不影响其它格式。
完成后应用一两句话汇报：成功数量、输出路径、跳过或失败项。