# Case 01835

> 文件分析器

- Skill: `knownasnaffy/case-01835` (Agent Skill, multi-file: 3 files)
- Install (CLI): `npx skillmds@latest add knownasnaffy/case-01835`
- Raw SKILL.md: https://api.skillmd.com/api/skills/knownasnaffy/case-01835/raw
- Safety review: pending (external: skill-scanner PASS, skillspector PASS)
- Works with: Claude Code, Claude.ai, OpenAI Codex
- Category: AI & ML
- Author: knownasnaffy (https://skillmd.com/u/knownasnaffy)
- Updated: 2026-09-21
- Page: https://skillmd.com/skills/knownasnaffy/case-01835

---


# 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：

1. **提取文本**
2. **文档分类** + **文件整理**
3. **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：

```bash
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
1. 在目标目录（PDF 所在目录）下创建以主题命名的子文件夹
2. 将每篇 PDF 移动到对应主题的子文件夹中
3. 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：
1. 文档到主题的映射
2. 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：

1. 第一阶段提取出的文本
2. 第二阶段生成的分类结果
3. 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

1. 读取并理解报告模板
2. 根据第一阶段文本和第二阶段分类结果整理报告内容
3. 先写文件夹概览
4. 再写主题分类结果
5. 再写各主题下的文档归并
6. 再写总体结论
7. 最后写单篇文档卡片
8. 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。