Origin Office 原生文档可验证结构化
将以下提示词粘贴到你的 AI 对话框中:
请根据 https://skillhub.cn/install/skillhub.md,安装 @user_abeb50e0/origin-office。
技能介绍
问题从哪来
红头文件、制度汇编这类 原生 docx,章条编号、表格合并、Q112 表名都写在文件结构里。常见做法是先转 PDF 再 OCR,或用 MinerU、Docling、LlamaParse 走扫描件路线——模型看到的是被切割后的碎片,表格还要靠 TEDS 一类指标猜,中文场景往往更糟。更麻烦的是:输出即终态,没法用同一套规则复查「转换有没有改结构」。
技能在做什么
origin-office 把 docx / pptx 导入本象包,按 Office Open XML 的真实结构落对象,而不是当扫描件猜。
- Word:
par:*段落带chapter/article锚点;tbl:*按gridSpan/vMerge展开合并单元格,得到可逐格锚定的行列网格。 - PPT:
sldNN-shp*形状(含title/subTitle/body等 placeholder 类型);sldNN-tbl*幻灯片内表格。 - 每个包附带 事实对象:
fact:structure-hash(SHA-256 结构指纹)、fact:stats。
建包后可用 本象协议 CLI 读取;转换视为事务,结构指纹入库,verify 可与后续复查对齐。资料中的海事局《船员培训和船员管理质量管理规则》2019 红头文件案例:409 个结构对象(6 章 / 77 条 / 16 表 / 59 勾选),验证一致。
边界与注意
- 输入是 原生电子文档,不是扫描 PDF;物理版式误差封顶的那条路不在此技能射程内。
- xlsx 由
adapters/xlsx/等独立导入器处理,与本技能的 docx/pptx 方言分开。 - 若工作流只关心「快速全文检索」、不需要章条表级锚点与可验证指纹,扫描件管线可能更轻;需要 合规留痕、结构复查、条款/表格精确引用 时,才值得走本象原生路线。
使用场景
- 要把部委红头 docx 按「第 X 章、第 Y 条」拆给合规系统,且上线前要用结构指纹复查未被改形
- 制度汇编里多张带合并单元格的 Word 表,需要按单元格 ID 挂接业务字段而不是 OCR 猜格子
- 培训课件 pptx 需区分 title/body 占位符形状与页内表格,供 Agent 按页引用幻灯片对象
- 归档电子公文后要做季度抽检:同一 docx 重复导入,对比 `fact:structure-hash` 是否与首次入库一致
适合人员
- 法规合规工程师:要把 Word 章条表落成可机读对象,并保留 verify 证据链
- 知识库治理同学:原生制度库要替代扫描 PDF,避免条款编号与表格错位
- Office 自动化开发者:在本象协议栈上对接 docx/pptx,需要 par/tbl/sld 对象模型而非纯文本
- 质控审核员:处理红头文件批次,需用 stats 与结构对象核对表数、勾选框数量