AGENT SKILL

ingest_pptx

Convertir une présentation PowerPoint en Markdown canonique lisible par agent — transcription à la lettre, sans perte, 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_pptx
description
Convertir une présentation PowerPoint en Markdown canonique lisible par agent — transcription à la lettre, sans perte, vers tmp_output/.
disable-model-invocation
true

03 SKILL.md 正文

ingest_pptx — transcription à la lettre d'une présentation PowerPoint

Convertit un .pptx en Markdown canonique dans tmp_output/, en rendant explicite ce que la mise en page encode implicitement : ordre de lecture, hiérarchie des blocs, diagrammes, contenu caché à l'impression (notes de l'orateur, diapos masquées). Tu es un greffier, pas un interprète : chaque texte est repris verbatim, chaque inférence est déclarée au rapport.

Entrée

Exiger le .pptx d'origine. Un PDF ou une capture d'écran n'est pas une source acceptable (notes, SmartArt et diapos masquées perdus) : demander le fichier et s'arrêter là. Un .ppt ancien : le convertir d'abord (libreoffice --headless --convert-to pptx).

Étapes

  1. Extraire sans perte, par script Python jetable :
    • python-pptx : texte des formes (groupes inclus, récursivement), tables, notes de l'orateur, diapos masquées (slide.show), données des graphiques (catégories/séries).
    • XML direct pour ce que python-pptx ne lit pas : SmartArt (ppt/diagrams/data*.xml → <a:t> + topologie), connecteurs (<p:cxnSp>, ancres stCxn/endCxn → id des formes reliées, la topologie explicite).
    • Copier ppt/media/* vers tmp_output/<deck>/media/.
    • Clore sur l'inventaire par diapo : n formes, n tables, n images, n SmartArt, notes présentes ou non — la base du rapprochement final.
  2. Ordonner. L'ordre des formes dans le XML est le z-order, pas l'ordre de lecture : ordonner par position (haut → bas, gauche → droite) et signaler au rapport toute diapo où cet ordre reste ambigu (colonnes, blocs superposés).
  3. Rendre en Markdown — un fichier par présentation dans tmp_output/<deck>/ :
    • Frontmatter OKF en tête de chaque .md : type, title, description, resource (chemin du fichier source), generated: { by: "agent:claude/ingest_pptx", at: <date> }, status — draft si la source porte des marques de relecture actives (commentaires), stable sinon.
    • Une section ## Diapo N — <titre> par diapo, diapos masquées marquées (masquée).
    • Texte verbatim, tables → tables Markdown, graphique → table de ses données.
    • SmartArt et logigrammes → bloc Mermaid portant la topologie, puis le texte des nœuds.
    • Notes de l'orateur → sous-section Notes de la diapo.
    • 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.
  4. Rapprocher, dans tmp_output/<deck>/RAPPORT.md :
    • Inventaire : chaque forme, table, image et note extraite figure dans le fichier généré, ou est listée ici comme écartée avec son motif.
    • Incertitudes : ordre de lecture inféré, topologie déduite de la position plutôt que d'un connecteur explicite, texte marqué ⟦illisible⟧, transcriptions visuelles. Terminé quand le rapprochement tombe juste : rien d'extrait qui ne soit rendu ou motivé.
  5. Faire valider. Livrer les fichiers et pointer les lignes du rapport qui exigent un œil humain — transcriptions visuelles et topologies inférées d'abord. La validation acquise se consigne dans le frontmatter : verified: [{ by: "human:<nom>", at: <date> }].
  6. 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 date JJ/MM/AA, ou ❌ et le motif si l'extraction a buté. Les deux autres colonnes restent ⬜ : classement et diffusion sont des étapes distinctes. Faire avancer Chemin à traiter vers tmp_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, position, animation) 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

Rabot-Dutilleul
Rabot-Dutilleul/Fabien-skills

anti-sleep

Keep the Windows machine awake from WSL for a set duration or while a process runs.

★ 1
Rabot-Dutilleul
Rabot-Dutilleul/Fabien-skills

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.

★ 1
Rabot-Dutilleul
Rabot-Dutilleul/Fabien-skills

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.

★ 1
Rabot-Dutilleul
Rabot-Dutilleul/Fabien-skills

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.

★ 1
Rabot-Dutilleul
Rabot-Dutilleul/Fabien-skills

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.

★ 1
Rabot-Dutilleul
Rabot-Dutilleul/Fabien-skills

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.

★ 1