📄 文档处理类技能

文档处理类技能提供专业的 Microsoft Office 文档处理能力，支持 Word、Excel、PowerPoint 和 PDF 的创建、编辑和分析。

生产级技能

这些是 Anthropic 用于生产环境的技能快照，展示了处理复杂二进制文件格式的高级模式。

技能列表

DOCX（Word 文档处理）

创建、编辑和分析 Word 文档，支持追踪更改和高级格式。

核心能力:

Redlining（追踪更改）工作流
OOXML 深度编辑
文档分析和提取

适用场景:

法律文档审核
协作文档编辑
合同和报告生成

技术深度: ⭐⭐⭐⭐⭐

PDF（PDF 文档处理）

全面的 PDF 处理工具，支持提取、创建、合并和表单处理。

核心能力:

文本和表格提取
表单自动填写
PDF 创建和合并

适用场景:

表单数据提取
文档归档
自动化报告生成

技术深度: ⭐⭐⭐⭐⭐

PPTX（PowerPoint 处理）

创建和编辑 PowerPoint 演示文稿，支持模板和自动化。

核心能力:

html2pptx 工作流
18 种创意调色板
模板应用和批处理

适用场景:

自动化报告生成
品牌演示创建
数据可视化演示

技术深度: ⭐⭐⭐⭐⭐

XLSX（Excel 表格处理）

创建、编辑和分析 Excel 表格，支持公式和高级格式。

核心能力:

财务建模标准
公式和数据分析
零错误要求流程

适用场景:

财务报表
数据分析
自动化报告

技术深度: ⭐⭐⭐⭐⭐

技术栈

这些技能使用的主要技术：

Python 库:

python-docx - Word 文档
pypdf, pdfplumber, reportlab - PDF 处理
python-pptx - PowerPoint
openpyxl, pandas, xlsxwriter - Excel

格式标准:

OOXML (Office Open XML)
PDF 1.7 / PDF/A
ZIP 压缩格式

工具链:

unzip - OOXML 解压
xmllint - XML 验证
OCR 工具（Tesseract）

快速开始

Word 文档

# 使用 docx 技能
"创建一份带追踪更改的合同文档"

PDF 处理

# 使用 pdf 技能
"从这个 PDF 表单中提取所有字段"

PowerPoint

# 使用 pptx 技能
"创建一个季度报告 PPT，使用蓝绿配色"

Excel 表格

# 使用 xlsx 技能
"创建一个财务模型，包含收入预测"

工作流示例

文档审核流程

# 步骤 1: 分析原文档
"分析 contract.docx 的结构和内容"

# 步骤 2: 应用追踪更改
"修改第 3 条款，使用 Redlining 标记更改"

# 步骤 3: 导出和验证
"导出带追踪更改的新版本"

PDF 表单自动化

# 步骤 1: 分析表单
"运行 analyze_form.py 提取字段"

# 步骤 2: 创建映射
"生成字段映射 JSON"

# 步骤 3: 批量填写
"使用数据填写 100 份表单"

演示文稿创建

# 步骤 1: 确定配色
"选择'深海探索'调色板"

# 步骤 2: 应用模板
"使用品牌模板创建演示"

# 步骤 3: 生成幻灯片
"从 Markdown 生成 10 页幻灯片"

财务建模

# 步骤 1: 设置结构
"按照财务建模标准创建工作表"

# 步骤 2: 实现公式
"添加收入预测公式"

# 步骤 3: 验证准确性
"运行零错误检查"

最佳实践

DOCX 处理

✅ 使用 Redlining 追踪所有更改
✅ 最小化编辑原则
✅ 保留原始格式
❌ 避免直接修改 OOXML（除非必要）

PDF 处理

✅ 使用正确的库（文本提取 vs 表格提取）
✅ 验证表单字段名称
✅ 处理扫描 PDF 时使用 OCR
❌ 不要假设所有 PDF 都是文本 PDF

PPTX 处理

✅ 设计驱动创建（先设计后实现）
✅ 使用模板保持一致性
✅ 测试调色板组合
❌ 避免过度复杂的布局

XLSX 处理

✅ 遵循财务建模颜色编码
✅ 公式优先于硬编码
✅ 验证所有计算
❌ 避免隐藏行和列

常见陷阱

文档格式问题

问题: OOXML 损坏
解决: 使用 unzip 和 xmllint 验证

问题: 字体缺失
解决: 使用字体降级策略

PDF 问题

问题: 表格提取不准确
解决: 使用 pdfplumber 而非 pypdf

问题: 表单字段类型不匹配
解决: 使用 analyze_form.py 预先检查

PowerPoint 问题

问题: 布局在不同版本中不一致
解决: 使用标准布局索引

问题: 图片质量下降
解决: 使用高分辨率源文件

Excel 问题

问题: 公式循环引用
解决: 启用迭代计算

问题: 日期格式错误
解决: 使用 datetime 对象，非字符串