文档内容提取
把一批 .docx / .pdf 丢进目录,产出知识条目清单、失败清单和一份可复核的采集报告。
功能与用途
要往知识库里批量灌资料,又不想让 AI 凭文件名瞎编内容时用。它逐个抽取 docx 和 pdf 的文字,成功的进 kb-items.jsonl,失败的连同具体原因进 failed-items.jsonl,再汇总成 ingest-report.md 和一份候选记忆文件供人工过一眼。版本只覆盖 docx 和 pdf,其他格式一律转人工复核。
适用场景
- 公司历年制度文件散在几十个 Word 和 PDF 里,想批量:公司历年制度文件散在几十个 Word 和 PDF 里,想批量抽成结构化条目进知识库
- 担心 AI 直接把没读到的文件也写成『已学习』,需要一份失败:担心 AI 直接把没读到的文件也写成『已学习』,需要一份失败清单说清哪些没抽出来
- 给智能问答系统准备语料,需要先出一份候选记忆文件让业务方确认:给智能问答系统准备语料,需要先出一份候选记忆文件让业务方确认哪些内容可以入库
- 资料里有 pptx、扫描件混着,需要先分流判定哪些能自动处理:资料里有 pptx、扫描件混着,需要先分流判定哪些能自动处理、哪些必须人工看
适用人群
- 搭建个人或团队知识库的运营者
- 要把历史资料数字化归档的档案管理员
- 给 AI 应用灌文档语料的研发人员
使用步骤
- 把 .docx/.pdf 文件或整个资料目录准备好,路径发给 AI。
- AI 列出文件清单并分流:可解析、需人工复核、失败。
- 抽取成功的条目写进 kb-items.jsonl,失败的文件连同原因写进 failed-items.jsonl。
- 拿到 ingest-report.md 看批次概况,再翻 MEMORY.candidate.md 确认哪些内容可以入库。
开始使用
将需求和 Skill 名称发送给已连接 SkillPX MCP 的 AI 助手,核对适用工具和安装要求。
技术信息
- 分类
- 知识
- 适用工具
- Codex、Claude Code、OpenClaw、Hermes、国内 Agent
- 使用难度
- 进阶
- 版本
- 1.0.1
- 最近更新
- 2026-05-11
- 文件数
- 3
- 安装包大小
- 自动生成 ZIP
- 安全检查
- 基础检查通过
Parse local `.docx` and `.pdf` files into structured knowledge artifacts with detailed reports, tracking successes, failures, and summaries without auto-writ...
使用前准备
- 文件必须已在本地或已提供给运行环境
- 脚本需要 Python 运行环境。
依赖与权限
- 读取用户主动提供的内容