dochub / 文档工作台
技能简介
dochub 是一个专业的文档知识库管理技能，负责将原始文档初始化为标准 Markdown 格式，提供专业的知识库文档概要与索引，并能根据检索内容分析、汇总并回复用户问题。
支持的文档格式
| 格式 | 状态 | 说明 |
|---|---|---|
| .docx | ✅ 支持 | Word 现代格式 |
| .xlsx | ✅ 支持 | Excel 现代格式 |
| .doc / .xls / .pdf / .pptx / 其他 | ❌ 不支持 | 请先转换为 .docx 或 .xlsx |
注意：dochub 仅支持处理 .docx 和 .xlsx 两种格式，其他格式文档将被跳过并提示用户。
核心功能
1. 初始化（init）
将工作区原始文档转换为标准知识库格式：
原始文档 → raw/ → 安全确认 → 检测不支持的格式 → MD转换(.docx/.xlsx) → 生成知识库概要与索引步骤说明：
- 安全确认：询问用户文档是否已脱敏（不含敏感个人信息、机密数据等），必须确认后才继续
- 移动原始文档：将所有原始文档统一移动到工作区根目录
raw/文件夹 - 文件名规范化：只保留中文、英文、数字及中横线
-，其余字符统一替换为- - 检测不支持的格式：扫描非 .docx/.xlsx 文件，如发现则列出并提示用户这些文件将被跳过
- MD 文档转换：使用
markitdown按原目录结构转换为 MD 文档
- 仅支持格式：.docx, .xlsx - 转换前检查目标文件是否存在 - 首次存在时询问用户选择「跳过」或「覆盖」，后续自动应用该选择
- 生成知识库概要与索引：生成
_docs_knowledge_base.md，包含：
- 文档统计概览（总数、大小、分类数） - 分类目录树（可视化结构） - 高频关键词标签云 - 文档详细索引（按分类组织的文件清单）
2. 增量更新
将新文档放入 update/ 目录后，运行增量更新：
- 安全确认：同样需要先确认文档已脱敏
- 检测新增/变更文档
- 检测不支持的格式：列出非 .docx/.xlsx 文件并提示跳过
- 仅转换未转换或已修改的文件
- 更新知识库概要与索引
3. 检索与问答
支持以下检索方式：
- 全文检索：在 MD 文档中搜索关键词
- 分类检索：按文档分类查找
- 语义问答：基于文档内容回答用户问题
使用方式
初始化知识库
使用 dochub 技能，初始化文档知识库或指定工作区：
使用 dochub 技能，初始化 [指定路径] 的文档知识库增量更新
使用 dochub 技能，增量更新文档检索文档
使用 dochub 技能，检索 [关键词]问答
使用 dochub 技能，回答：[问题]目录结构
workspace/
├── raw/ # 原始文档存放目录
├── _docs_md/ # MD 文档输出目录
├── _docs_knowledge_base.md # 知识库概要与索引（合并文档）
└── update/ # 增量更新目录依赖工具
- markitdown 0.1.5+：MD 转换核心工具
- python-docx：Word 文档处理
- openpyxl：Excel 文档处理
注意事项
- 格式限制：dochub 仅支持 .docx 和 .xlsx 格式，其他格式（.doc/.xls/.pdf/.pptx 等）将被跳过并提示用户
- 安全确认：每次初始化或增量更新前，必须确认文档已脱敏
- 备份原始文档：初始化会修改文件名和目录结构，建议提前备份
- 跳过/覆盖选择：首次遇到重复文件时会询问，后续自动应用该选择
- 原始文档保留：转换后保留原始文档作为备份