SGS/MSDS/TDS 材料报告智能解析 Skill

定位

垂直制造业合规场景的智能文档解析技能，专属适配 SGS 检测报告、MSDS 化学品安全说明书、TDS 材料技术参数表 三类行业标准文档。

触发条件

当用户出现以下任一行为时，激活此 Skill：

1. 上传 PDF / 图片格式的 SGS 检测报告、MSDS / SDS 说明书、TDS 技术参数表
2. 要求解析、翻译、总结材料检测报告
3. 要求提取检测数据并导出 CSV
4. 要求查询报告中的合规标准、元素数值、报告时效、检测方法等
5. 要求批量读取多份报告并按指定表格填写登记信息
6. 要求对报告做新旧版本关联匹配，或批量重命名、分类整理归档
7. 要求对报告文件去重（以文档内容中的报告编号为准，而非文件名）

适用文件格式

• PDF 原生文件、PDF 扫描件
• 高清图片：PNG / JPG / JPEG / TIFF / BMP / WEBP
• 支持中文、英文、中英混合双语版本

核心能力

1. 文件上传与自动解析

用户上传文件后，系统自动执行：

文件上传 → 格式/大小验证 → OCR 识别(扫描件) → 语种判定(中/英/混合)
→ 报告类型自动识别(SGS/MSDS/TDS) → 元数据提取 → 表格数据结构化解析
→ 内容归档

解析完成后输出标准话术：
> 已完成本次上传文件的智能解析，已识别报告类型、完成多语种转换、结构化数据提取。你可以：1. 获取报告核心总结；2. 批量导出检测数据 CSV 文件；3. 提问查询合规标准、元素数值、报告时效等专业问题。

2. 多语种智能翻译与总结

支持三种输出模式：中文输出 / 英文输出 / 原文对照输出

专业术语（CAS 号、标准号、法规代号、单位符号）保留标准写法，不随意翻译改写。

3. 检测数据批量提取 & CSV 导出

覆盖所有检测项目：重金属、SVHC 候选物质、邻苯二甲酸盐、卤素、VOC、RoHS 管控元素、REACH 管控物质等。

标准化 CSV 固定 18 字段（不可删减、不可错乱顺序）：

• 支持多文件批量提取，所有数据合并至同一份 CSV
• CSV 编码 UTF-8 BOM，兼容 Excel / WPS 直接打开
• 数据自动清洗：统一单位格式、修正大小写、规范判定话术

导出成功话术：
> 已完成所有检测数据提取，标准化 CSV 文件生成成功，可直接下载使用，数据已自动清洗、统一格式。

4. 报告基础信息智能汇总

自动抓取 5 大维度元数据：

1. 报告档案信息：报告编号、出具机构、检测日期、有效期、版本、备案资质
2. 物料基础信息：材料名称、材质、厚度、规格型号、批次、适用场景
3. 企业信息：原料生产商、委托检测企业、供应商信息
4. 合规体系信息：RoHS 2.0、REACH SVHC、无卤、VOC、FDA 等所有检测标准
5. 样品信息：样品状态、测试环境、检测范围、样品规格参数

5. 专业合规智能问答

基于解析后的结构化数据，支持任意自然语言提问。

支持问答场景：

6. 批量读取报告并按指定表格填写登记信息

支持一次读取多份 PDF 报告，按用户提供的表格模板逐份提取关键字段并填写，一份报告对应一行记录。

默认识别字段（用户可自定义增删列，以用户指定表头为准）：

• 用户提供的表格模板优先：字段顺序、列名、额外列均按用户指定表格执行，模板缺失的字段不擅自增列
• 输出编码 UTF-8 BOM，兼容 Excel / WPS 直接打开
• 提取失败的字段留空并在备注列标注原因，不杜撰数据

填写完成话术：
> 已批量读取全部报告并按指定表格完成填写，其中 X 份报告的有效期按 SGS 一年惯例推算，Y 份报告存在未标注字段，已在备注列说明。

7. 报告类别与材料关联及新旧报告匹配

在批量解析的基础上，自动建立「材料 × 报告类别」关联索引，并识别同一对象的新旧版本报告。

关联与匹配规则：

1. 以 材料名称 + 规格型号 + 生产厂家 作为材料身份主键，归类同一物料的全部报告
2. 在同一材料下按 报告类别（RoHS / REACH / VOC / 混合式等）分组
3. 同组内按检测日期排序，最新一份标记为「现行有效」，其余标记为「已过期」或「已被替代」
4. 新旧报告逐一对应输出：旧报告编号 → 新报告编号、两次检测日期对比、有效期状态
5. 发现临近到期（有效期剩余 ≤90 天）或已过期的现行报告时，单独列出提醒清单

匹配结果输出：

无法确定关联关系（材料信息缺失或冲突）的报告，归入「待人工确认」清单，不强行匹配。

8. 报告批量重命名与分类整理

按用户指定的命名规则与目录结构，对报告文件批量重命名并归档。

命名规则：

• 默认命名模板：{报告类型}_{材料名称}_{报告编号}_{检测日期}.pdf，用户可自定义模板与字段顺序
• 命名信息全部取自报告原文解析结果，不依赖原文件名；文件名中的非法字符（\ / : * ? " < > |）自动替换为下划线
• 同一目录下出现重名时，自动追加 _2、_3 序号，不覆盖已有文件

分类整理：

• 默认按「报告类别 / 材料名称」两级目录归档，用户可指定其他维度（如年份、检测机构、合规标准）
• 混合式报告归入其首要管控标准目录，并在整理清单中注明全部覆盖标准
• 执行前先生成「整理预览清单」（原文件名 → 新文件名 → 目标目录），经确认后再实际移动/重命名，支持仅预览不执行

整理完成话术：
> 已完成 X 份报告的批量重命名与分类整理，归档至 Y 个目录，整理清单已生成，其中 Z 份因信息缺失归入「待人工确认」目录。

9. 文件去重（基于报告编号）

以文档内容中解析出的报告编号作为去重依据，不以文件名为判断标准。

去重规则：

1. 先批量解析全部文件提取报告编号；无法提取编号的文件不参与自动去重，归入「待人工确认」清单
2. 报告编号相同即判定为重复报告，默认保留检测日期最新的一份；检测日期也相同时，保留文件体积更大（内容更完整）的一份
3. 文件名完全不同但报告编号相同的文件会被识别为重复；反之，文件名相同但报告编号不同的文件不会被误判
4. 混合式报告按报告编号整体去重，不按管控标准拆分判断
5. 去重执行前输出去重清单（保留文件 ↔ 被去重文件、报告编号、检测日期对比），确认后将被去重文件移入 duplicate_reports/ 隔离目录，默认隔离而非直接删除

去重完成话术：
> 本次共发现 X 组重复报告（报告编号相同），已保留检测日期最新的版本，重复文件已移入 duplicate_reports 目录隔离保存，详情见去重清单。

交互流程

用户上传文件 → 系统自动解析（OCR→语种→元数据→表格→归档）
                         ↓
      ┌──────────┬───────┼───────┬──────────┐
      ↓          ↓       ↓       ↓          ↓
   总结翻译   数据导出  智能问答  批量登记   归档整理
  (全文/总结 (批量CSV  (合规/   (指定表格  (去重/新旧关联/
   /分析)    导出)     元素/    填写)      批量重命名/
                      时效/方法)           分类整理)

约束与禁止行为

1. 仅基于上传文件原文：所有输出严格基于文件内容，无杜撰、无外部知识库脑补
2. 禁止篡改数据：不修改报告原有合格/超标判定结果
3. 专业严谨：不随意简化、篡改专业术语、CAS 号、标准编号
4. 禁止口语化：不输出非行业通用的不严谨合规结论
5. 安全性：仅本地解析处理，会话结束自动清空临时数据
6. 批量操作可预览：批量重命名与文件移动必须先输出预览清单，不未经确认直接改动用户文件

无信息兜底标准话术

当报告未涵盖用户查询的信息时，统一回复：

> 经解析当前上传的【SGS/MSDS/TDS】报告，文档内未查询到【用户提问关键词】相关信息。

技术实现

本项目后端服务位于项目根目录的 src/report_parser/ 包内，基于 FastAPI 构建，包含：

• core/ — OCR 双引擎(PaddleOCR/Tesseract)、语种检测、会话管理
• parsers/ — SGS/MSDS/TDS 三类专业解析器
• services/ — 解析编排、翻译总结、CSV 导出、信息汇总、合规问答
• utils/ — PDF 处理、CSV 标准化导出、文本清洗
• api/v1/ — RESTful API 端点

> 说明：当前 api/v1/ 及相关模块的 API 实现为起始码（脚手架），提供接口结构、路由骨架与调用示例，实际解析、批量登记、新旧匹配、去重、归档整理等能力需按本 Skill 的能力定义在此基础上扩展实现。

环境准备

后端依赖不随 skill 分发（不含 .venv 虚拟环境），首次使用前需在本 skill 根目录执行：

uv sync

之后统一通过 uv run 或 make 命令启动服务（如 make dev、make test），不要直接调用系统全局 Python。