文件轻量化处理 —— 本地文档转文本（省 TOKEN）
用途
在本地把二进制办公文档转成「纯文字 + 表格」的 Markdown / 纯文本，再让 WorkBuddy 只读取轻量文本。这样可把读取大文件（尤其 PDF 扫描件、图表多的 PPT）的 TOKEN 消耗降低 60%–90%，同时保留文字与表格信息。
何时触发
- 用户要读取 / 摘要 / 审查 / 对比
.docx .xlsx .pptx .pdf .wps .et .dps .doc .xls .ppt等文件 - 用户提到「转文本」「省 TOKEN」「文件太长读不懂」「先把文档转成文字再发你」「文件轻量化」「轻量化处理」
- 用户给出文件后，先转换再处理，而不是直接读原始二进制
- 用户调用本技能（"文件轻量化处理"）并指定文件或文件夹
工作流程
- 确认目标：用户指定的文件或文件夹；若未指定，优先用工作区的
Inbox/文件夹（放入文件即被定时自动化每小时自动转换）。 - 运行转换脚本（用本机 managed python，依赖已装好）：
- 默认转 Markdown：<managed-python> <skill>/scripts/office2md.py <文件或文件夹>
- 转纯文本：追加-f txt
- 扫描件 PDF：脚本自动 OCR；也可--ocr强制走 OCR
- 大 Excel 限行：--max-rows 200（0 = 不限制）
- 整层目录递归：--recursive - 转换完成后，只读取生成的
<原名>.md/<原名>.txt，不要再读原始二进制文件。 - 基于文本继续完成用户的真实需求（摘要、风控审查、对比、字段提取等）。
关键路径（本机）
- managed python：
C:\Users\16473\.workbuddy\binaries\python\versions\3.13.12\python.exe - 技能脚本：
C:\Users\16473\.workbuddy\skills\文件轻量化处理\scripts\office2md.py - 监听文件夹：
C:\Users\16473\WorkBuddy\2026-08-08-10-18-01\Inbox\（定时自动化每小时自动转换新放入的办公文档）
若技能脚本不在上述绝对路径，用 Glob 在 ~/.workbuddy/skills/文件轻量化处理/ 下查找 scripts/office2md.py。
OCR 依赖
扫描件识别依赖 pypdfium2 与 rapidocr-onnxruntime（及 numpy、onnxruntime）。若未装，先安装（国内建议走清华镜像加速）：
"<managed-python>" -m pip install -i https://pypi.tuna.tsinghua.edu.cn/simple pypdfium2 rapidocr-onnxruntime
若安装后仍报 DLL load failed ... onnxruntime_pybind11_state ... 找不到指定的模块：这是本机缺标准版 Microsoft Visual C++ 运行库（关键缺失项是 MSVCP140_1.dll；WinSxS 仅有 _clr0400 变体、Python 自带的 VC++ DLL 不在搜索路径）。两种修复：
1. 安装 Microsoft Visual C++ 2015-2022 Redistributable (x64)（官网 vc_redist.x64.exe，需管理员）；
2. 免管理员：从本机其他带标准 VC++ 的软件（如 OneDrive / Edge / WeMeet 目录）复制 vcruntime140.dll、vcruntime140_1.dll、msvcp140.dll、msvcp140_1.dll 四个 DLL 到 <managed-python>/Lib/site-packages/onnxruntime/capi/。
非扫描件（含文本层）无需 OCR，pdftotext（poppler）即可提取，速度更快。
示例
- 用户：「用 文件轻量化处理 处理这份城投报告.pdf，帮我看风险点」→ 运行脚本转
.md→ 读取.md→ 输出风险分析。 - 用户：「把这文件夹里所有 Excel 转成文本」→
office2md.py <文件夹> -f txt --recursive。 - 用户：「这是扫描的合同，识别下关键条款」→ 脚本检测到无文本层自动 OCR → 读取结果。
