4.3 KiB
4.3 KiB
ADDED Requirements
Requirement: 扫描并识别待处理文件
系统 SHALL 扫描项目 sources/ 目录下的所有文件，并根据扩展名判断解析方式：
- Office 文档（.docx、.pdf、.pptx、.xlsx）：调用 lyxy-reader-office skill 解析
- 其他文件（.md、.txt、.csv、.json、.xml、.yaml、.yml、.log、.html 等）：直接读取内容
Scenario: sources 中有 office 文档
- WHEN sources/ 中存在
报告.docx - THEN 系统 SHALL 使用 lyxy-reader-office skill（通过 lyxy-runner-python 执行）将其解析为 markdown
Scenario: sources 中有纯文本文件
- WHEN sources/ 中存在
config.json - THEN 系统 SHALL 直接读取文件内容作为 parsed 产物
Scenario: sources 目录为空
- WHEN sources/ 中没有任何文件
- THEN 系统 SHALL 提示用户 sources/ 中无待处理文件
Requirement: 同名不同扩展名冲突检测
系统 SHALL 在解析前检测 sources/ 中是否存在同名但不同扩展名的文件（如 技术方案.pdf 和 技术方案.docx），因为 parsed 产物都会命名为相同的 .md 文件。同时也需检测 sources/ 中的文件名是否与 manifest.json 中已有记录的不同扩展名文件冲突。
Scenario: sources 中存在同名不同扩展名文件
- WHEN sources/ 中同时存在
技术方案.pdf和技术方案.docx - THEN 系统 SHALL 拒绝处理这两个文件，并提示用户重命名其中一个以消除冲突
Scenario: sources 中文件与已入库文件同名但不同扩展名
- WHEN manifest.json 中已有
技术方案（ext:.pdf）的记录，且 sources/ 中出现技术方案.docx - THEN 系统 SHALL 拒绝处理该文件，并提示用户重命名
Requirement: 生成 parsed markdown 文件
系统 SHALL 将解析后的内容写入 parsed/<文件名>.md，文件头部 MUST 包含元信息注释：
<!-- source: <原始文件名含扩展名> -->
<!-- archived: archive/<文件名_时间戳>.<扩展名> -->
<!-- parsed_at: <解析时间 YYYY-MM-DD HH:mm> -->
若 parsed/ 中已存在同名文件（同一文档的更新版本），SHALL 覆盖旧文件。
Scenario: 首次解析文件
- WHEN 解析
需求文档.docx，parsed/ 中不存在需求文档.md - THEN 系统创建
parsed/需求文档.md，头部包含 source、archived、parsed_at 元信息，正文为解析后的 markdown 内容
Scenario: 更新已有文件
- WHEN 解析
技术方案.pdf，parsed/ 中已存在技术方案.md（上一版本） - THEN 系统覆盖
parsed/技术方案.md，元信息更新为最新版本的 archive 路径和时间
Requirement: 归档原始文件
系统 SHALL 将已解析的原始文件从 sources/ 移动到 archive/，文件名格式为 <文件名_YYYYMMDDHHmm>.<扩展名>。每个进入 archive 的文件都 MUST 带有时间戳后缀，即使该文件只有一个版本。
Scenario: 归档文件
- WHEN
需求文档.docx解析完成，当前时间为 2026-02-18 16:00 - THEN 原始文件移动为
archive/需求文档_202602181600.docx
Scenario: 同名文件多次入库
- WHEN
技术方案.pdf第二次入库，archive 中已有技术方案_202602181600.pdf - THEN 新版本归档为
技术方案_202602181725.pdf（以当前时间为时间戳），两个版本并存于 archive
Requirement: 更新 manifest.json
系统 SHALL 在每个文件处理完成后更新 manifest.json：
- 新文件：在 files 数组中追加新条目，包含 name、ext、parsed 路径，versions 数组包含首个版本的 archived 路径、hash 和 ingested_at
- 已有文件更新：在对应条目的 versions 数组中追加新版本记录
- last_ingest 时间戳 SHALL 更新为当前 ingest 的时间
Scenario: 新文件入库更新 manifest
- WHEN
需求文档.docx首次解析完成 - THEN manifest.json 的 files 数组中追加
{"name": "需求文档", "ext": ".docx", "parsed": "parsed/需求文档.md", "versions": [{"archived": "archive/需求文档_202602181600.docx", "hash": "sha256:...", "ingested_at": "2026-02-18T16:00"}]}
Scenario: 已有文件更新 manifest
- WHEN
技术方案.pdf第二次入库 - THEN manifest.json 中该文件条目的 versions 数组追加新版本记录，不删除旧版本记录