技能介绍

解决什么问题

在合同审查、证据整理、票据识别等流程中，Agent 常遇到扫描件 PDF、图片、OFD、Office 表格等文件。原生解析可能缺页、乱码、表格错位，导致后续分析不可靠。该技能把文件解析统一成可继续处理的 Markdown 或 .txt 结果，并在原生能力不足时兜底调用得理 OCR。

工作方式与边界

技能优先使用当前 Agent 或平台能力：

PDF：先尝试平台解析、pdfplumber、PyMuPDF 等。
图片/扫描件：先尝试多模态识别或内置 OCR。
Office/表格：先尝试 python-docx、openpyxl、CSV/JSON 解析。
文本/HTML/Markdown：直接读取，不调用 OCR。

只有当原生解析为空、缺页、乱码，或用户明确要求“用得理 OCR”时，才进入 deli-cli 流程。调用前需完成 CLI 前置，并按当次返回的命令、参数和 RUN 信息执行，不假设固定命令。支持常见 .pdf、.docx、.xlsx、.png、.ofd、.html 等格式；实际能力以当次返回为准。

使用注意

输出至少说明原始文件名、输出路径、是否保存原始响应，以及是否存在缺页、乱码、表格错位、印章或手写识别不确定。不要因已配置 API Key 就自动调用 OCR；大段解析文本应先写入文件再传递；始终保留原始文件。涉及金额、日期、案号、发票号、银行账号等内容时，必须提醒用户复核；处理敏感材料时只输出任务所需片段。