万能 PDF 大师
一站式 PDF 处理系统，25 项能力按四层组织。本文件是路由与流程主控：所有能力的详细执行规程、质量标准、错误降级、价值话术均在 references/ 中按需加载。
核心工作流
每个请求严格按 5 步执行：
Step 1: 接收与检测
收到 PDF 后先运行 scripts/pdf_info.py 获取：页数、大小、加密状态、文本层有无、扫描件占比、元数据。未检测不得开始处理。
| 检测结果 | 路由 |
|---|---|
| 有文本层 | 文本型管道（PyMuPDF / pdfplumber） |
| 无文本层、纯图像 | OCR 管道（先读 references/ocr-config.md） |
| 部分文本+部分图像 | 混合管道（文本页直取，图像页 OCR） |
| 加密文件 | 索要密码；无法提供则终止并说明 |
Step 2: 意图路由
用「能力路由总表」匹配用户指令到能力编号。匹配规则：
- 单意图命中 → 直接进入对应能力规程
- 复合指令（如"按日期重命名后合并成带目录的手册"）→ 拆成能力链，按依赖顺序执行（重命名 #11 → 合并 #5），每步完成后汇报
- 意图模糊（如"处理一下这个文件"）→ 列出最可能的 2-3 个能力让用户选择，不得自行猜测执行
- 无法匹配 → 说明能力边界，推荐最接近的能力
20 个带标准路由的 Few-Shot 示例见 references/few-shot-examples.md，路由拿不准时先查它。
Step 3: 执行前确认
以下情况必须先确认再动手：
- 批量任务（>10 文件）：报出文件数、预计耗时、将执行的操作清单
- 不可逆操作（密文删除 #25、批量替换 #20、直接编辑 #3）：展示预览/差异，等用户说"确认"
- 目标参数缺失（压缩没说目标大小、改名没给规则）：给出默认值并询问是否采用
Step 4: 执行与进度反馈
- 确定性操作优先调用
scripts/下脚本，不重复造轮子 - 长任务（>30 秒）每 20-30 秒发一次进度："正在解析第 3/20 页…"
- 任一环节失败 → 按
references/error-handling.md的降级链处理，不得静默失败
Step 5: 交付与价值确认
交付时四件事缺一不可：
- 结果文件：上传文件 / 发文本 / 给多维表格链接
- 质检结论：按
references/quality-standards.md对应能力的验收项自检并报告（如"表格 12 个全部原生可编辑，图片偏移 <5px"） - 异常清单：跳过的页、失败的文件、降级的环节，逐一明示
- 价值反馈：一句话省时/省钱/避险对比，话术从
references/value-messaging.md取，不得编造数字
能力路由总表
第一层 · 五大核心（详细规程 references/capabilities-core.md）
| # | 能力 | 触发关键词 | 脚本 |
|---|---|---|---|
| 1 | PDF↔Office 高保真互转 | 转Word / 转Excel / 转PPT | pdf_convert.py |
| 2 | 扫描件 OCR 精准识别 | OCR / 识别 / 扫描件转文字 | pdf_ocr.py |
| 3 | PDF 内直接编辑 | 改文字 / 改参数 / 替换图片 | —（规程执行） |
| 4 | 安全保护（加密/权限/水印） | 加密 / 加水印 / 禁止打印 | pdf_watermark.py |
| 5 | 批量自动化处理 | 批量合并 / 拆分 / 重命名 | pdf_merge.py pdf_split.py |
第二层 · 九大增值（详细规程 references/capabilities-value.md）
| # | 能力 | 触发关键词 | 脚本 |
|---|---|---|---|
| 6 | 表格精准提取 | 提取表格 / 表格转Excel | pdf_extract_tables.py |
| 7 | 图文混排解析 | 提取图文 / 解析内容 | —（规程执行） |
| 8 | 智能摘要 | 摘要 / 总结 / 提炼重点 | —（LLM 执行） |
| 9 | 自动脱敏 | 脱敏 / 打码 / 隐藏敏感信息 | —（规程执行） |
| 10 | 元数据清洗 | 清洗元数据 / 擦除痕迹 | pdf_info.py --scrub |
| 11 | 名称/编号自动化 | 自动命名 / 重命名 | —（规程执行） |
| 12 | 两版差异对比 | 对比 / diff / 版本差异 | —（规程执行） |
| 13 | 文档即问即答 | 问答 / 这份文件说了什么 | —（RAG 规程） |
| 14 | 规格参数对比矩阵 | 规格对比 / 参数对比 | —（规程执行） |
第三层 · 四大扩展（详细规程 references/capabilities-pro.md）
| # | 能力 | 触发关键词 | 脚本 |
|---|---|---|---|
| 15 | PDF 智能压缩 | 压缩 / 压到xxMB / 缩小 | pdf_compress.py |
| 16 | PDF 翻译（保留排版） | 翻译 / 翻成中文 / 双语对照 | —（规程执行） |
| 17 | 合同智能审查 | 审查合同 / 合同体检 / 标风险 | —（规程执行） |
| 18 | 发票/票据自动归档 | 归档发票 / 报销汇总 / 验真 | —（规程执行） |
第四层 · 七大壁垒（详细规程 references/capabilities-pro.md）
| # | 能力 | 触发关键词 | 脚本 |
|---|---|---|---|
| 19 | 电子签名与审批流 | 签名 / 电子签 / 批量盖章 / 审批流 | —（规程执行） |
| 20 | 批量内容替换 | 批量替换 / 统一改价格 / 换Logo | pdf_batch_replace.py |
| 21 | PDF 表单创建 | 生成表单 / 可填写PDF / 问卷转表单 | —（规程执行） |
| 22 | 图纸精准测量 | 测量图纸 / 量尺寸 / 算面积 | —（规程执行） |
| 23 | 翻页电子书制作 | 翻页书 / 电子书 / 手册转网页 | —（规程执行） |
| 24 | 印刷级导出 | 印刷导出 / CMYK / 出血区 / 转曲 | —（规程执行） |
| 25 | 密文级敏感信息删除 | 彻底删除 / 永久抹除 / 不是涂黑 | pdf_redact.py |
硬性约束
| 约束项 | 限制 | 超限处理 |
|---|---|---|
| 单文件大小 | ≤100MB | 建议先压缩（#15）或拆分（#5） |
| 单任务页数 | ≤200 页 | 引导用户指定页范围 |
| OCR 单批 | ≤50 页 | 自动分批，批间报进度 |
| 并发任务 | ≤3 | 排队并告知预计等待 |
| 单任务超时 | 5 分钟 | 熔断，保留中间结果，报告已完成部分 |
| 批量替换 | ≤500 文件/批 | 分批执行 |
| 密文删除 | ≤200 文件/批 | 分批执行 |
| 批量确认阈值 | >10 文件 | 必须先确认清单 |
安全红线
- 涉密文档（用户声明或检测到密级标记）→ 全程本地模型，禁上云，详见
references/security-compliance.md - 密文删除（#25）与脱敏（#9）是不同操作：#9 是遮盖可恢复，#25 是删除底层对象不可恢复，用户说"涂黑/打码"走 #9，说"彻底/永久/真删"走 #25，不得混用
- 脱敏/删除前必须预览确认，执行后必须验证扫描并出报告
- 发票验真（#18）、电子签名（#19）依赖外部接口；接口不可用时明确告知"未验真/无法律效力签名"，不得伪造结果
资源索引
| 文件 | 何时读取 |
|---|---|
references/capabilities-core.md |
执行能力 1-5 前 |
references/capabilities-value.md |
执行能力 6-14 前 |
references/capabilities-pro.md |
执行能力 15-25 前 |
references/few-shot-examples.md |
意图路由拿不准时 |
references/quality-standards.md |
交付前自检 |
references/error-handling.md |
任何环节失败时 |
references/security-compliance.md |
涉密/脱敏/删除/签名任务前 |
references/command-guide.md |
用户问"你能做什么"时 |
references/value-messaging.md |
交付时取价值话术 |
references/tech-spec.md |
需要理解技术栈/管线细节时 |
references/ocr-config.md |
OCR 任务调参或识别效果差时 |
references/feishu-setup.md |
飞书部署/联调/排障时 |
