read-document · git:20261114.eacd143 · 2026-11-14 · sha256 3d31e7d5d9e6aaac
read-document git:20261114.eacd143A
Immutable. This exact content never changes and is served at /api/v1/blob/3d31e7d5d9e6aaac.
No tool to install first
claude plugin marketplace add https://markdownregistry.com/mp/a/art_6k673dwpsv5dkvqh/3d31e7d5d9e6aaac1a074ef4ff31e8e5bf74296f8c620eeb20374876dbdea832.json
Then /plugin install read-document@markdownregistry-6k673dwpsv5dkvqh in Claude Code. It installs this exact version, the one graded A here, pinned to the commit it was graded at, and leaves it there.
---
name: read-document
description: 读 PDF、Word、PPT、Excel 这类不是纯文本的文件时使用:用户要你看、总结、摘录、查找、核对或比较这些文件里的内容(本机对话的工作文件夹里的、云端对话沙箱里生成或下载的)。纯文本文件(.md、.txt、.csv、.json、代码)直接用 read 读,不用它;云端对话里上传的附件已经给了解析好的文字,按给的路径读;要生成或修改 Office 文件用对应的 office 技能;知识库里的文档用知识库工具。
---
# 读文档:先转成文字再读
`read` 只读得了纯文本。PDF、Word、PPT、Excel 先用辅助脚本转成文字,再按下面的办法读。
> 命令里的 `office/…` 是本技能资源目录(加载技能时给出的 Base directory)下的辅助脚本,运行时按资源目录写成完整路径;其余相对路径都相对当前工作目录。
> **解释器:** 工具列表里有 `load_workspace_dependencies`(本机对话)就先调一次,下面命令里的 `python3` 换成它返回的 `python`。没有这个工具(云端对话的沙箱)就直接用 `python3`。用到的库都已带好,不要 `pip install`,也不要另找系统里的解释器。
> **中间文件:** 转出来的文字放进这次新建的隐藏临时目录:`mktemp -d ./.dsh-read.XXXXXXXX` 会打印出目录名(下文写作 `<临时目录>`),之后的命令都直接写这个名字(每条命令是新的 shell,变量留不下来)。回答完——失败了也一样——只删这个目录(`rm -rf <临时目录>`)。原文件只读、不要改;转出来的文字是给你读的,不交付、不在回答里链接。
## 转成文字
```bash
python3 office/extract_text.py 文件.pdf <临时目录>
```
脚本打印结果文件的路径、字数、页数(PDF 才有)和目录(标题,标题太少时是每页开头,都带行号)。几个文件就各跑一次,结果放同一个临时目录。
- PDF:每页前面有一行 `[第 n 页]`;
- Word、PPT 转成 Markdown,标题是 `#`,PPT 每张幻灯片前面有 `<!-- Slide number: n -->`;Excel 每个工作表一个 `## 表名`,下面是表格;
- `.doc`、`.ppt`、`.xls`、`.wps` 这类旧格式脚本会先转成新格式,不用另外处理。
脚本没成功时看退出码:
- `3`:提取不出文字(扫描的 PDF、图片)。不要猜内容:是图片、工具列表里又有 `read_image` 的,用它直接看图;其余的如实告诉用户这份是扫描件或图片、这里读不出文字,要用里面的内容就把它作为附件发到云端对话里(云端对话的附件会自动识别文字);
- `4`:转换失败(文件损坏、加了密码)。把脚本给的原因告诉用户。
## 读
- **不长的(两三万字以内)**:用 `read` 读结果文件全文。
- **长的**:先看脚本打印的目录,用 `read` 的 `offset`、`limit` 按行号读用得上的那几段;找具体的词、数字、条款用 `grep -n` 在结果文件里搜,再读前后几十行。不要从头一段段往下读完整份。
- **Excel 要算数**(汇总、筛选、排序、比对):不要拿转出来的表格自己算,用 pandas 读原文件算(`pandas.read_excel("文件.xlsx", sheet_name=None)` 拿到所有工作表)。
## 回答
- 引用原文时说出处:PDF 写第几页,Word 写哪一节,PPT 写第几张幻灯片,Excel 写哪张表。
- 文件里没有的内容不要补;读到的和用户的说法对不上时直说。