cslawyer1985 表格化审查
从多个文档中提取结构化数据到带引用的 Excel 矩阵中。
所需技能
- pdf——用于读取 PDF 文档
- docx——用于读取 Word 文档
- xlsx——用于创建 Excel 输出
工作流
第 1 步：收集用户需求
使用 AskUserQuestion 收集：
- 文档文件夹路径——文档在哪里？
- 输出文件名——Excel 文件的名称
- 要提取的列——要从每个文档中提取什么信息
列定义示例：
- 当事人：协议所有当事人的名称
- 生效日期：协议何时生效
- 期限：协议的存续期间
- 准据法：争议的管辖法域
第 2 步：发现文档
使用 Glob 查找所有文档：
Glob(pattern: "**/*.pdf", path: "<folder>")
Glob(pattern: "**/*.docx", path: "<folder>")
第 3 步：并行处理文档
启动后台代理并发处理文档。每个代理：
- 使用 pdf 或 docx 技能读取分配的文档
- 为每个列提取值
- 记录页码/段落引用
- 返回结构化 JSON
启动代理：
Task(
prompt: "<agent_prompt>",
subagent_type: "general-purpose",
run_in_background: true
)
代理提示模板：
您正在为表格化审查处理文档。
要处理的文档：
<文档路径列表>
要提取的列：
<列定义>
对每个文档：
1. 使用 pdf 技能（.pdf）或 docx 技能（.docx）读取文档
2. 为每个列提取所请求的信息
3. 记录找到信息的页码（PDF）或部分（DOCX）
4. 附上一段简短的引文（30-50 字符）展示来源文本
以 JSON 返回您的结果：
{
"results": [
{
"document": "<文件名>",
"path": "<绝对路径>",
"extractions": [
{
"column": "<列名>",
"value": "<提取值>",
"page": <页码>,
"quote": "<简短的上下文引文>"
}
]
}
]
}
如您无法为某列找到信息，将值设为 "Not found" 并在引文字段中说明。
分发策略：
- 对 N 个文档和 M 个代理，每个代理处理 ceil(N/M) 个文档
- 默认：最多 10 个代理
- 根据文档数量调整
第 4 步：收集结果
等待所有后台代理完成：
TaskOutput(task_id: "<agent_id>", block: true)
将所有结果聚合为文档提取的单一数组。
第 5 步：生成 Excel 输出
调用 xlsx skill 创建输出文件：
在 <输出路径> 创建 Excel 工作簿：
工作表 1："Document Review"（文档审查）
- 表头行：Document（文档） | <列1> | <列2> | ...
- 数据行：每个文档一行
对每个提取单元格：
- 单元格值：提取的文本
- 单元格超链接：file://<文档路径>#page=<N>（用于 PDF）
- 单元格批注："Page <N>: '<引文>'"
工作表 2："Summary"（摘要）
- 文档总数：<数量>
- 已处理文档：<数量>
- 提取日期：<今天>
JSON Schema
提取结果格式：
{
"document": "Contract_ABC.pdf",
"path": "/path/to/Contract_ABC.pdf",
"extractions": [
{
"column": "Parties",
"value": "Acme Corp and Beta Inc",
"page": 1,
"quote": "entered into between Acme Corp and Beta Inc"
},
{
"column": "Effective Date",
"value": "January 15, 2025",
"page": 1,
"quote": "effective as of January 15, 2025"
}
]
}
Excel 输出格式
带引用的单元格：
- 值："Acme Corp and Beta Inc"
- 超链接：
file:///path/to/Contract_ABC.pdf#page=1 - 批注：
Page 1: "entered into between Acme Corp and Beta Inc"
颜色编码（可选）：
- 绿色：已找到值且确信度高
- 黄色：已找到值但不确定
- 红色：未找到值
错误处理
| 情形 | 操作 |
|---|---|
| 文档不可读 | 记录错误，将该行标记为失败，继续 |
| 未找到列 | 将值设为 "Not found"，在批注中说明 |
| 代理超时 | 收集部分结果，注明不完整 |
| 缺少技能 | 提示用户安装所需技能 |
使用示例
用户：我想对我的合同做一次表格化审查
Claude：[使用 AskUserQuestion]
- 哪个文件夹包含您的文档？
- 输出 Excel 文件应命名为？
- 您想提取哪些列？
用户：~/Contracts、review.xlsx、Parties/Date/Term/Governing Law
Claude：[通过 Glob 发现 15 个文档]
Claude：[启动 5 个后台代理，每个 3 个文档]
Claude：[通过 TaskOutput 收集结果]
Claude：[通过 xlsx skill 创建 review.xlsx]
输出：review.xlsx，15 行、4 列、带超链接和引用