| name | document-conversion |
| description | 将 DOC/DOCX/PDF/PPT/PPTX 文档转换为 Markdown 格式。自动检测 PDF 类型（电子版/扫描版），提取图片到独立目录。当管理员入库非 Markdown 文档时使用此 Skill。触发条件：入库 DOC/DOCX/PDF/PPT/PPTX 格式文件。 |
文档格式转换
将各种文档格式转换为 Markdown，用于知识库入库。
支持格式
| 格式 | 处理方式 |
|---|---|
| DOCX | Pandoc 转换，保留格式和图片 |
| DOC | LibreOffice → DOCX → Pandoc |
| PDF 电子版 | PyMuPDF4LLM 快速转换 |
| PDF 扫描版 | PaddleOCR-VL 在线 OCR |
| PPTX | pptx2md 专业转换 |
| PPT | LibreOffice → PPTX → pptx2md |
调用方式
python .claude/skills/document-conversion/scripts/smart_convert.py \
<temp_path> \
--original-name "<原始文件名>" \
--json-output
参数说明：
<temp_path>: 临时文件路径（如/tmp/kb_upload_xxx.pptx）--original-name: 必须传入原始文件名，用于生成正确的图片目录名--json-output: 输出 JSON 格式结果
输出格式
{
"success": true,
"markdown_file": "/path/to/output.md",
"images_dir": "原始文件名_images",
"image_count": 5,
"input_file": "/path/to/input.pptx"
}
处理流程
- 执行转换命令（必须使用
--original-name和--json-output） - 解析 JSON 输出，检查
success字段 - 如果
success: false，报告错误并结束 - 如果
success: true，记录生成的文件路径和图片目录
重要提示
- 图片目录使用原始文件名命名（如
培训资料_images/） - 不传
--original-name会导致图片引用路径错误 - PDF 类型自动检测，扫描版处理较慢（几十秒到几分钟）
格式详情
各格式的详细处理说明，见 FORMATS.md