智读演示文稿解析器

解决什么问题

演示文稿和 PDF 常常处于「截图能看、文本难用」的状态：逐页截图无法快速检索，复制出来的文字顺序混乱，图表、架构图、logo 的位置和层级也丢失了。wisely-read-ppt 的目标不是简单 OCR，而是把每页拆成结构化 Word 文档，用文字复述页面内容，同时嵌入整页截图和图片标记，方便核对、归档或喂给后续流程。

核心工作方式

• 环境检测：PPTX 需要渲染器转 PDF，依次检测 WPS COM、LibreOffice、WPS RPC，结果写入 local-env.json；PDF 输入只需 pdftoppm 或 pymupdf。
• 素材提取：parse.py 输出整页截图、extracted_text.json 和内嵌图片。默认 150 DPI，遇到矢量脑图、架构图或密集文字页，可用 --dpi 300 重渲染整页截图。
• 逐页校准：跑完脚本不等于交付。主代理或子代理需要 read 整页截图和 extracted_pics 原图，修正文字顺序、补全核心信息图逐字转录，并用 /[pic NN:简述]/ 和 /[pic NN]*** ... ***/ 标记图片位置与层级。
• 三阶段复核：脚本提取只占约 30%，剩下 70% 是视觉核对与待改清单修正。单文件 ≤10 页直接处理，多文件或大文件并行子代理，但终稿必须主代理复核。

输出与边界

输出 docx 中，无标记文字为可编辑文本重排，标记内文字为 OCR/识别结果，整页截图放在每页标题下。标点符号严格保真，只能重排顺序，不能改写。它适合需要逐页核对、存档或再加工的 PPT/PDF；如果只是简单文本抽取，可能过重。无头环境或渲染器不可用时，会回退到要求用户提供 PDF。