ingest_docx
Convertir un document Word en Markdown canonique lisible par agent — transcription à la lettre, couche invisible comprise, vers tmp_output/.
- License 许可
- MIT
- 最近更新
- 2026-10-29
- Stars
- ★ 1
- Forks
- 0
01 前言 Front Matter
- name
- ingest_docx
- description
- Convertir un document Word en Markdown canonique lisible par agent — transcription à la lettre, couche invisible comprise, vers tmp_output/.
- disable-model-invocation
- true
03 SKILL.md 正文
ingest_docx — transcription à la lettre d'un document Word
Convertit un .docx en Markdown canonique dans tmp_output/. Le texte affiché n'est que
la surface : le fichier contient aussi une couche invisible — révisions en attente,
commentaires, texte masqué, notes, zones de texte — qui doit sortir avec le reste. Tu es
un greffier, pas un interprète : chaque texte est repris verbatim, chaque inférence
est déclarée au rapport.
Entrée
Exiger le .docx d'origine. Un PDF ou une capture n'est pas une source acceptable (toute
la couche invisible y est perdue) : demander le fichier et s'arrêter là.
Un .doc ancien : le convertir d'abord (libreoffice --headless --convert-to docx).
Étapes
- Extraire sans perte, par script Python jetable :
python-docx: paragraphes avec leur style, runs, hyperliens, tables, en-têtes et pieds de page par section.- XML direct pour ce que
python-docxne lit pas : révisions (<w:ins>/<w:del>, auteur et date), commentaires (word/comments.xml+ ancres), notes de bas de page et de fin (word/footnotes.xml,word/endnotes.xml), zones de texte (<w:txbxContent>), texte masqué (<w:vanish>), numérotation réelle des listes (word/numbering.xml,numId/ilvl). - Copier
word/media/*verstmp_output/<doc>/media/. - Clore sur l'inventaire : n paragraphes, n tables, n révisions, n commentaires, n notes, n zones de texte, n images — la base du rapprochement final.
- Décoder la structure. Styles
Heading N→ titres#de niveau N ; reconstruire les numéros de liste depuisnumbering.xml(le XML ne les stocke pas) ; champs : table des matières générée → écartée avec motif, renvois croisés → renvois nommés vers la section générée. - Rendre en Markdown — un fichier par document dans
tmp_output/<doc>/:- Frontmatter OKF en tête de chaque
.md:type,title,description,resource(chemin du fichier source),generated: { by: "agent:claude/ingest_docx", at: <date> },status—drafts'il reste des révisions en attente ou des commentaires,stablesinon. - Texte verbatim dans la hiérarchie des titres ; en-têtes/pieds une fois par section.
- Tables → tables Markdown ; cellule fusionnée (
gridSpan/vMerge) signalée en note de table, Markdown ne sachant pas la représenter. - Notes de bas de page et de fin → notes Markdown
[^n]. - Révisions →
⟦ins(auteur) : …⟧/⟦sup(auteur) : …⟧inline : les deux états du texte survivent. Commentaires →⟦commentaire(auteur) : …⟧après le passage ancré. Texte masqué →⟦masqué : …⟧. - Image : lien vers
media/; si elle porte du texte, la lire (vision) et transcrire en la marquant⟦transcription visuelle⟧— c'est une lecture, pas un verbatim.
- Frontmatter OKF en tête de chaque
- Rapprocher, dans
tmp_output/<doc>/RAPPORT.md:- Inventaire : chaque élément extrait figure dans le fichier généré, ou est listé ici comme écarté avec son motif.
- Couche invisible : décompte des révisions par auteur, commentaires, texte masqué — le document n'est pas figé tant qu'il en reste.
- Incertitudes :
⟦illisible⟧, transcriptions visuelles, numérotation ambiguë. Terminé quand le rapprochement tombe juste : rien d'extrait qui ne soit rendu ou motivé.
- Faire valider. Livrer les fichiers et pointer les lignes du rapport qui exigent un
œil humain — révisions en attente et texte masqué d'abord. La validation acquise se
consigne dans le frontmatter :
verified: [{ by: "human:<nom>", at: <date> }]. - Pointer l'avancement. Si le dépôt porte un
docs/kb_status.md, y créer la ligne du document sous le mois courant et cocher la colonne Ingeste — ✅ et la dateJJ/MM/AA, ou ❌ et le motif si l'extraction a buté. Les deux autres colonnes restent ⬜ : classement et diffusion sont des étapes distinctes. Faire avancerChemin à traiterverstmp_output/<nom>/— c'est l'argument de l'étape suivante.
Règles de fidélité
- Verbatim : texte repris à la lettre, fautes et abréviations comprises.
- Toute sémantique portée par un visuel (couleur, gras, surlignage) reçoit une traduction textuelle — le lecteur du Markdown ne verra jamais l'original.
- Marquer plutôt que deviner :
⟦illisible⟧,⟦tronqué⟧,⟦?⟧, chacun repris au rapport.
04 同仓库更多 Skills
anti-sleep
Keep the Windows machine awake from WSL for a set duration or while a process runs.
anti-sleep
Keep the user's MacBook awake reliably with macOS caffeinate for a set duration or while a process runs. Use for "don't let my Mac sleep", "keep the screen on", "anti-sleep", "caffeinate", overnight work, or long builds. Unlike a normal background job, it survives temporary agent-shell cleanup.
security-audit
Security guidance and vulnerability review for codebases, APIs, services, CLI tools, libraries, and daemons. Use for security questions, focused reviews, vulnerability research, security audits, or pen tests. Run the complete workflow only for explicit codebase audit or pen-test requests, full/comprehensive/end-to-end reviews, or requested report artifacts.
storm-research
Use when someone asks to run Storm Research, use the storm-research skill, run the STORM method on a topic, says "storm research this" / "storm report on X" / "give me a STORM briefing on X", or wants a multi-perspective, citation-verified HTML research briefing on a topic. Runs a 4-phase pipeline: five expert lenses (Practitioner, Academic, Skeptic, Economist, Historian) -> contradiction map -> synthesized HTML report -> adversarial peer review + primary-source verification. Best for topics where multiple viewpoints and fact-checked claims matter; overkill for a simple factual lookup.
research
Investigate a question against high-trust primary sources and capture the findings as a Markdown file in the repo. Use when the user wants a topic researched, docs or API facts gathered, or reading legwork delegated to a background agent.
last30days
Research what people actually say about any topic in the last 30 days. Pulls posts and engagement from Reddit, X, YouTube, TikTok, Hacker News, Polymarket, GitHub, and the web. Includes a doctor health check to diagnose broken or missing sources.