doc-reader¶

所属包: doc-reader

Convert PDF/DOCX/XLSX/HTML/PPTX/EPUB to Markdown for reading, review, and extraction. Use when user needs to read documents, extract text from PDF, convert DOCX to markdown, extract spreadsheet content, or any non-Markdown document needs structured reading. Trigger for 读取文档, read document, PDF转markdown, DOCX内容, convert to markdown, 文档内容提取.

兼容性: opencode; requires uv for bundled Python script.

Doc Reader Skill¶

目标¶

将任意文档转为可读取的Markdown文本，使用markitdown作为转换引擎。让agent能够像读取Markdown一样读取PDF、DOCX、XLSX等二进制格式文档。

支持格式¶

格式	扩展名	提取内容
PDF	`.pdf`	文本段落（基于pdfminer.six，非OCR）
Word	`.docx`	段落、表格、列表
Excel	`.xlsx`, `.xls`	每个Sheet转为Markdown表格
PowerPoint	`.pptx`	每页幻灯片文本和表格
HTML	`.html`, `.htm`	正文内容
EPUB	`.epub`	电子书文本
图片	`.jpg`, `.png` 等	EXIF元数据
音频	`.mp3`, `.wav` 等	文件元数据
ZIP	`.zip`	递归处理内部文件

默认工作流¶

识别输入文件和格式：确认文件路径存在，根据扩展名判断格式。
运行转换：

uv run scripts/doc_to_markdown.py input.pdf --output output.md

读取转换后的Markdown：用Read工具读取output.md。
（可选）提取结构化元数据：

uv run scripts/doc_to_markdown.py input.pdf --output output.md --json metadata.json

元数据JSON结构：

{
  "source_file": "input.pdf",
  "source_ext": ".pdf",
  "text_length": 12345,
  "title_guess": "Extracted or guessed title"
}

与ppt-reader的关系¶

对于PPTX文件，两个skill提供互补能力：

需求	使用
幻灯片顺序、版式、媒体清单、备注、评论	`ppt-reader`
全文提取（含表格和图表中的文字）	`doc-reader`
完整理解PPTX	先`ppt-reader`获取结构，再`doc-reader`提取全文

脚本¶

`scripts/doc_to_markdown.py`¶

markitdown的薄wrapper，约70行。

用法：

# 转换并保存到文件
uv run scripts/doc_to_markdown.py input.pdf --output output.md

# 输出到stdout
uv run scripts/doc_to_markdown.py input.docx

# 同时输出元数据JSON
uv run scripts/doc_to_markdown.py input.xlsx --output output.md --json meta.json

参数：

参数	必需	说明

... (完整 SKILL.md 中还有 28 行)