5.2 KiB
5.2 KiB
Requirements
Requirement: 优先使用 lyxy-reader-office 解析办公文档
大模型在遇到 .docx、.xlsx、.pptx、.pdf 文件时，SHALL 优先激活并使用 lyxy-reader-office skill 来读取文件内容。
Scenario: 用户请求读取支持的文件格式
- WHEN 用户请求读取或解析 .docx、.xlsx、.pptx 或 .pdf 文件
- THEN 大模型 SHALL 激活 lyxy-reader-office skill
- AND 使用 skill 目录下的
scripts/parser.py执行解析
Scenario: 文件扩展名自动识别
- WHEN 用户提供的文件路径以 .docx、.xlsx、.pptx 或 .pdf 结尾
- THEN 大模型 SHALL 自动识别为 lyxy-reader-office skill 的处理范围
- AND 无需用户显式指定使用哪个 skill
Requirement: 必须通过 lyxy-runner-python 执行脚本
当环境中存在 lyxy-runner-python skill 时，大模型 SHALL 必须使用该 skill 来运行 parser.py 脚本。
Scenario: lyxy-runner-python 可用
- WHEN 大模型环境中存在 lyxy-runner-python skill
- THEN 大模型 SHALL 通过 lyxy-runner-python skill 执行 parser.py
- AND 利用 lyxy-runner-python 的自动依赖管理功能（uv）安装所需的 Python 包
Scenario: lyxy-runner-python 不可用
- WHEN 大模型环境中不存在 lyxy-runner-python skill
- THEN 大模型 SHALL 降级到直接使用 Python 执行 parser.py
- AND 提示用户当前使用直接执行模式
- AND 禁止自动执行 pip install 安装依赖
Requirement: 引导阅读 README 获取详细用法
大模型在需要了解 parser.py 的详细使用方式时，SHALL 阅读 scripts/README.md 文件。
Scenario: 首次使用 skill 执行解析
- WHEN 大模型首次使用 lyxy-reader-office skill 或不确定具体参数用法
- THEN 大模型 SHALL 阅读
scripts/README.md获取命令行参数、依赖安装和使用示例等详细信息
Scenario: 遇到特殊参数需求
- WHEN 用户请求使用特殊功能（如 PDF OCR、章节提取、正则搜索等）
- THEN 大模型 SHALL 参考
scripts/README.md中的对应参数说明
Requirement: 支持多格式文档解析
系统 SHALL 支持 DOCX、PPTX、XLSX、PDF 四种格式的文档解析，将文件转换为 Markdown 格式输出。
Scenario: 解析 DOCX 文件
- WHEN 用户请求解析 .docx 文件
- THEN 系统返回完整的 Markdown 格式文本
- AND 保留标题、列表、表格、粗体、斜体等格式
- AND 移除图片
Scenario: 解析 PPTX 文件
- WHEN 用户请求解析 .pptx 文件
- THEN 系统返回完整的 Markdown 格式文本
- AND 每张幻灯片以
## Slide N为标题 - AND 幻灯片之间以
---分隔
Scenario: 解析 XLSX 文件
- WHEN 用户请求解析 .xlsx 文件
- THEN 系统返回完整的 Markdown 格式文本
- AND 以
## SheetName区分工作表 - AND 数据以 Markdown 表格呈现
Scenario: 解析 PDF 文件
- WHEN 用户请求解析 .pdf 文件
- THEN 系统返回完整的 Markdown 格式文本
- AND 默认使用普通文本提取模式
Scenario: PDF OCR 高精度模式
- WHEN 用户请求对 PDF 文件启用 OCR 或高精度解析
- THEN 系统使用
--high-res参数启用 OCR 版面分析 - AND 通过 Docling OCR 或 unstructured hi_res 策略处理
Requirement: 统一的查询功能
系统 SHALL 对所有支持的文件格式提供统一的查询接口，包括全文提取、元数据查询、标题提取、章节提取和正则搜索。
Scenario: 获取文档字数
- WHEN 用户请求获取文档的字数
- THEN 系统使用
-c参数返回文档的总字符数
Scenario: 获取文档行数
- WHEN 用户请求获取文档的行数
- THEN 系统使用
-l参数返回文档的总行数
Scenario: 提取所有标题
- WHEN 用户请求提取文档的标题结构
- THEN 系统使用
-t参数返回所有 1-6 级标题
Scenario: 提取指定章节内容
- WHEN 用户请求提取特定标题名称的章节内容
- THEN 系统使用
-tc参数返回该章节的完整内容 - AND 包含完整的上级标题链和所有下级内容
Scenario: 正则表达式搜索
- WHEN 用户请求在文档中搜索关键词或模式
- THEN 系统使用
-s参数返回所有匹配结果及上下文 - AND 默认包含前后各 2 行非空行上下文
- AND 支持
-n参数自定义上下文行数
Requirement: 多策略解析降级
系统 SHALL 对每种文件格式按优先级尝试多种解析策略，确保最大的兼容性。
Scenario: 解析器按优先级降级
- WHEN 优先级最高的解析器不可用或解析失败
- THEN 系统自动尝试下一优先级的解析器
- AND 记录每个解析器的失败原因
Scenario: 所有解析器失败
- WHEN 某种格式的所有解析策略均失败
- THEN 系统返回详细的失败信息
- AND 列出每种解析策略的失败原因
- AND 以退出码 1 退出
Scenario: DOCX/PPTX/XLSX 无依赖运行
- WHEN 未安装任何第三方解析库
- THEN DOCX、PPTX、XLSX 文件 SHALL 仍可通过内置 XML 原生解析工作
- AND PDF 至少需要 pypdf 才能解析