WPS/Office 全链路文档处理

要解决什么问题

投标、教务、合规场景里，常见重复劳动是：从 Word 里抠表格、按题号拆试卷、多份标书合并、论文段落查重、统一版式，以及 PDF 加密分发、按页拆分或合并。扫描件还要 OCR，格式要在 Word 与 PDF 之间来回转。这类任务分散在多个小工具里，参数和输出格式也不统一，Agent 很难在一次对话里串成可复现的流程。

技能如何工作

本技能用 12 条命名命令 把文档链路拆开，多数步骤在本地用 python-docx、PyPDF2（表格导出还可到 XLSX，依赖 openpyxl）执行，避免把整份文件塞进上下文。

• Word：docx-extract 把表格导出为 JSON/XLSX；docx-split 按题号拆卷；docx-merge 合并多份 docx；docx-check 用 n-gram Jaccard 做相似度查重（可列段落对与预览）；docx-format 按 standard / academic / report 等预设统一格式。
• PDF：pdf-encrypt / pdf-decrypt、pdf-split（按页）、pdf-merge 走 PyPDF2。
• OCR 与转换：pdf-ocr、pdf-to-docx、docx-to-pdf 为编排型指令，由 Agent 按环境调用可选依赖（如 pdfplumber、pytesseract、pdf2image、docx2pdf）。
• 批量：batch 对目录内同类文件依次执行上述命令（例如批量 docx-extract）。

查重场景会给出阈值（如 0.7）下的相似段落对并建议人工复核；加密场景会生成加密 PDF 并提示密码单独交付。

适用边界与注意点

本地路径与依赖需在你这边就绪；OCR 与跨格式转换质量取决于可选库与系统环境，不宜默认等同于商业排版引擎。查重是统计相似度，不能替代正式查重系统或法务结论。加密 PDF 的密码策略与权限位仍需你方规范。