knownasnaffy 文件分析器
当用户提供一个包含多个文档的本地目录，并希望：
- 对文档进行管理
- 批量提取文档文本
- 对文档进行主题分类
- 基于固定模板输出一份总报告
- 自动将文档移动到分类后的文件夹
Token Extraction
From user input 管理 D:\测试路径下的文档 → file_path = D:\测试
技能目标
本技能的目标是处理一个本地文件夹，并输出一份完整报告。
整个流程必须分为三个阶段：
- 提取文本
- 文档分类 + 文件整理
- 写报告
其中：
- 第一阶段由脚本完成
- 第二阶段完成分类 + 文件移动
- 第三阶段写报告时，必须参考用户提供的报告模板或技能内预设模板
输入
用户会提供一个本地目录路径，例如：
D:\papers
目录中应包含一个或多个 .pdf 文件。
如果用户提供的是单个文件而不是目录，不要假装支持目录分析。
应明确说明该输入不符合本技能预期。
第一部分：提取文本
这一阶段只负责从目录中的 PDF 提取原始文本。
脚本职责
运行脚本，遍历目标目录中的全部 PDF，并提取每篇文档的纯文本。
脚本只负责：
- 校验目录是否存在
- 遍历目录中的 PDF 文件
- 提取 PDF 文本
- 返回结构化结果
不要把以下逻辑写进 Python：
- 分类任务
- 摘要生成
- 报告写作
- 模板填充
这些工作都应交给模型完成。
脚本调用
运行脚本：
run {baseDir}/scripts/extract_pdf_folder.py "<folder_path>"
第二部分：文档分类
分类数量要求
主题数量应根据文档数量动态调整，建议：
- 文档数量 3-6 篇：3-4 个主题
- 文档数量 7-12 篇：4-6 个主题
- 文档数量 12 篇以上：6-8 个主题
分类时应考虑：
- 研究领域（如机器学习、交通工程、气候科学等）
- 应用场景（如预测、检测、建模、分析等）
- 数据类型（如 GPS 轨迹、时序数据、遥感数据等）
- 方法论（如深度学习、统计方法、混合方法等）
优先按研究领域细分，同一领域内可按应用场景或方法论进一步区分。
第二部分输入
输入为第一阶段返回的 documents 列表。
第二部分执行
逐篇读取 text，判断其最核心主题。
将其加入到对应的文件夹。
文件整理（移动文档到分类文件夹）
执行要求
在完成文档分类后，必须将每篇 PDF 文件移动到对应的分类文件夹中。
操作步骤
- 在目标目录（PDF 所在目录）下创建以主题命名的子文件夹
- 将每篇 PDF 移动到对应主题的子文件夹中
- 文件夹名称应简洁明了，建议使用中文命名（如"电动汽车出行模式"、"城市货运物流"等）
注意事项
- 如果目标文件夹已存在同名子文件夹，直接使用
- 移动前确保原文件没有被占用
- 报告中的"各主题下的文档归应与实际文件夹结构一致
第二部分输出
至少形成两类内部结果：
- 文档到主题的映射
- 主题到文档集合的映射（根据文档数量动态调整）
第三部分：写报告
这一阶段根据以下输入生成最终报告：
- 第一阶段提取出的文本
- 第二阶段生成的分类结果
- 用户提供的模板或默认模板
第三部分目标
生成一份完整总报告。
报告应先呈现整体内容，再呈现单篇文档卡片。
不要把单篇卡片单独作为第一结果输出。
模板位置
默认报告模板文件位于：
references/report-template.md
写报告时，必须先读取并遵循该模板。
如果用户在当前对话中提供了自己的模板，则优先使用用户模板。
如果用户没有提供模板，则使用默认模板。
第三部分执行顺序
- 读取并理解报告模板
- 根据第一阶段文本和第二阶段分类结果整理报告内容
- 先写文件夹概览
- 再写主题分类结果
- 再写各主题下的文档归并
- 再写总体结论
- 最后写单篇文档卡片
- 若存在失败文件，则在末尾列出
第三部分输出
最终只输出一份完整报告，并保存。
报告中至少应包含：
- 文件夹概览
- 主题分类结果
- 各主题下的文档归并
- 总体结论
- 单篇文档卡片
- 处理失败的文件（如有）
模板遵循要求
不要脱离模板自由生成章节结构。
不要擅自增加“文档对比”“差异分析”“优劣比较”等内容，除非用户明确要求。
如果模板中的某个字段无法从文本中得到明确支持，写：
未明确提及
不要为了填满模板而编造内容。