P

PDF識別提取專家

辦公效率v3.4.0
作者:user_779b44c7更新於 2026-11-05pdf-ocr-md@user_779b44c7/pdf-ocr-md
PDF 處理

據 AlphaMoat 統計,截至 2026-10,PDF識別提取專家 累計下載 54,975 次、獲 32 個星標,按累計下載量在本次參與排名的 10,914 個 AI 技能中排名第 446 位,在「辦公效率」分類(909 個)中排名第 68 位。

列表預設按累計下載量排序,也可按星標排序;詳情頁排名按累計下載量計算。

累計下載
5.5萬
星標
32
全站下載量排名
#446
全站前 5% · 「辦公效率」前 8%
平台累計下載星標評論
SkillHub ↗5.5萬32—

各平台的計數口徑不同,統計時間不一致。

這個技能是做什麼的

當用戶需要從 PDF、圖片、掃描件中提取文字內容時使用。適合處理合同、發票、報告等文件,尤其是中文掃描件、手機拍照的彎曲頁面、歪斜的文件。 最新版特點:支援 PP-OCRv6 三檔模型 (Tiny/Small/Medium) 和文字層 PDF 極速提取 (LiteParse ~0.9ms/頁),並內建文件預處理管線(傾斜校正/方向校正/文件展平)和結構化解析(版面分析/表格提取)。 支援 PP-OCRv6 三檔模型 (Tiny/Small/Medium) 和文字層 PDF 極速提取 (LiteParse ~0.9ms/頁),並內建文件預處理管線(傾斜校正/方向校正/文件展平)和結構化解析(版面分析/表格提取)。

月度資料趨勢

累計下載5.5萬
1.8萬3.8萬5.8萬2026-09 · 累計下載 2.1萬2026-10 · 累計下載 5.5萬26-0926-10
星標32
2830322026-09 · 星標 282026-10 · 星標 3226-0926-10
月份累計下載環比星標
2026-105.5萬—32
2026-092.1萬—28

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-11-20。

13 KB · SkillHub v3.5.1
---
name: pdf-ocr-md
version: 3.5.1
description: 当用户需要从 PDF、图片、扫描件中提取文字内容时使用。适合处理合同、发票、报告等文档,尤其是中文扫描件、手机拍照的弯曲页面、歪斜的文档。支持 PP-OCRv6 三档模型 (Tiny/Small/Medium)。
related_skills:
  - docx               # 提取内容→Word 文档
  - pptx-memslides     # 提取内容→演示文稿
  - mailwise           # 作为邮件附件上下文
  - ima-skills         # 上传到知识库
  - ocr-and-documents
展開全部(共 237 行)
---

# pdf-ocr-md — PDF → OCR → 结构化 Markdown [v3.5.1]

## 版本记录

- v3.5.1 (2026-11-18):修正外部机器反馈的两类文档缺陷——**环境表改为描述「标准安装后应有的状态」**(删单机磁盘快照断言,补探测列与「路径非唯一解」声明);**T6 判据重写**(原「不存在+⚠️ 即 PASS」等于永不失败,现 5 条独立检查,负向用例 5/5 命中);**回退顺序全文统一为 modelscope → hf-mirror → GitHub**(以脚本实际为准)
- v3.5.0 (2026-11-18):合并外部机器的完整可用性验证结论(19 项问题清单)——修复依赖检测粒度、输出路径语义歧义、`--device` 默认值、PDF 渲染后端、字符字典未初始化崩溃、**Windows 中文路径读图失败**;补齐 `scripts/download_models.sh`、`scripts/pdf2md.py` 与 `tests/smoke_test.py`;明确「扫描件判定规则」与「关键字段必须走 PaddleOCR」硬约束;模型体积与性能数据按实测校准
- v3.4.2 (2026-09-14):环境表补齐各工具的标准位置与探测方法(此前只写单台机器的磁盘快照,易误导其他使用者)
- v3.4.1 (2026-08-05):修复 PP-OCRv6 字典错位 bug(乱字符→正确识别);补齐 poppler/ImageMagick 依赖
- v3.4.0:SKILL.md 精简至 ~120 行(原 578 行),详细教程移至 references/,按需加载。

## 环境

> **本节描述「标准安装后应有的状态」,不是任何一台机器的磁盘快照。** 各机安装路径不同属正常——按「探测」列定位自己的环境,不要照抄别人机器的绝对路径,更不要因某个路径在本机不存在就认为它本不该存在。

| 工具 | 用途 | 标准位置(应存在) | 探测命令(找不到时用它定位) |
|------|------|-----------------|---------------------------|
| `lit` | 文本层 PDF 快速解析(Rust) | 随 Python 装出,在 `Scripts/lit`(Windows)或 `bin/lit`(POSIX) | `where lit` / `which lit`;无则 `pip show liteparse` |
| `ocr6` | PP-OCRv6 三档 OCR(快速全文预览) | 模型在 `~/.workbuddy/.venvs/ppocrv6_models/`;推理环境为任意装了 `onnxruntime`+`cv2` 的 venv | `bash scripts/download_models.sh --check all` 验模型;`python -c "import onnxruntime"` 验环境 |
| `pdf2md` | PaddleOCR v4 关键字段通道 | venv 在 `~/.venvs/paddleocr/`(或自建同名 venv) | `python -c "import paddle, paddleocr"` 验环境 |
| `prep` | 文档预处理(倾斜/方向/展平) | 同 ocr6(共用 `cv2`/`numpy`) | `python -c "import cv2, numpy"` |

> **两个 venv 路径不是唯一解**:`~/.venvs/liteparse/`、`~/.venvs/ppocrv6/` 只是常见约定路径;PP-OCRv6 推理环境在本技能的实现中落在 `~/.workbuddy/.venvs/ppocrv6/`,LiteParse 则随宿主 Python 安装。**判断标准是「能不能 import / 能不能跑」,不是「目录在不在某个固定位置」。**
>
> 上述四个命令是**逻辑入口名**,对应本技能包内的脚本(`scripts/pdf_ocr_v6.py` / `scripts/pdf2md.py` / `scripts/pdf_preprocess.py`)。若 PATH 中没有对应可执行文件,用 `python scripts/<名字>.py` 调用即可,无需安装 wrapper。

### 安装后自检(先跑这段,再干活)

```bash
# ① 依赖
python -c "import cv2, numpy, onnxruntime, fitz; print('deps OK')"   # PP-OCRv6 通道
python -c "import paddle, paddleocr; print('paddle OK')"              # PaddleOCR 通道
# ② 命令入口
lit --version
# ③ 模型(三档应全部 OK)
python scripts/pdf_ocr_v6.py --tier tiny    --device cpu -i probe.png
python scripts/pdf_ocr_v6.py --tier small   --device cpu -i probe.png
python scripts/pdf_ocr_v6.py --tier medium  --device cpu -i probe.png
```

> ⚠️ **pip 返回 0 ≠ 装成功**:企业环境的安全守卫会拦截 pip 的文件写入,`pip install` 退出码为 0 但 `import` 必然失败。**唯一可靠的判据是 import 成功 + 最小推理跑通**(即上面的 ③)。

### 系统依赖(Windows)

| 依赖 | 版本 | 用途 | 安装 |
|------|------|------|------|
| PyMuPDF | 1.27+ | **PDF 渲染首选**(纯 PyPI,免 poppler)| `pip install PyMuPDF` |
| poppler | 25.07.0 | pdf2image 的 PDF→图(回退方案)| winget(用户 PATH 已写入,新终端生效) |
| ImageMagick | 7.1.2-29 | LiteParse OCR 的图像转换 | winget MSIX(magick.exe 别名) |
| Tesseract | 5.4 + chi_sim | LiteParse OCR 中文引擎 | 已有 `C:\Program Files\Tesseract-OCR\` |

> ⚠️ poppler 需要**新终端**才能被 PATH 找到;且 winget 装 poppler 会从 GitHub 下载,国内常失败 → **优先用 PyMuPDF**。

## 快速选择(必读)

```bash
# ① 先试 LiteParse(文本层 PDF 秒出)
lit parse input.pdf --no-ocr -o output.txt

# ② 判定扫描件:去掉分页标记与页码后,若无实质文字 ⇒ 扫描件
#    实测:lit 对扫描件输出 "\n--- Page 1 ---\n1\n\n--- Page 2 ---\n2\n"
#    判定 = 剔除 "--- Page N ---" 与纯数字行后,是否还有文字

# ③ 扫描件走 PP-OCRv6(三档:tiny 6.3MB / small 31MB / medium 133MB)
python scripts/pdf_ocr_v6.py input.pdf --tier small --device cpu -o ./output

# ④ 低质量文档先预处理(deskew倾斜/orient方向/unwarp展平/--all全部)
python scripts/pdf_preprocess.py input.pdf -o ./preprocessed --all
python scripts/pdf_ocr_v6.py ./preprocessed/input_p001.jpg --tier medium --device cpu -o ./output

# ⑤ 关键字段(金额/编号/公章/签名)→ 走 PaddleOCR v4,不要用 PP-OCRv6
python scripts/pdf2md.py input.pdf -o ./output
```

### 档位选择阈值

| 情形 | 用哪档 | 依据 |
|------|--------|------|
| 快速通读全文、只需大致内容 | tiny | 0.5s/页,够用 |
| 常规合同/报告正式存档 | **small** | 默认档,性价比最高 |
| 小字号、密集表格、扫描质量差 | medium | 精度最高 |
| **任何含金额/编号/签章的正式用途** | **不用 PP-OCRv6,走 `pdf2md`** | tiny/medium 金额还原 0/12 |

### ⚠️ 硬约束:哪些字段不能交给 PP-OCRv6

**实测(12 页扫描件压测)**:金额 `12,345.67` 的还原率 —— PP-OCRv6 tiny **0/12**、medium **0/12**;PaddleOCR v4 **12/12**。

| 内容 | 走 PP-OCRv6 | 走 PaddleOCR v4 |
|------|-------------|----------------|
| 正文/普通文字 | ✅ 可用 | ✅ 可用 |
| **金额(千分位/小数)** | ❌ **实测 0/12** | ✅ 12/12 |
| **编号(合同号/单号)** | ❌ 不保证 | ✅ |
| **公章/签名** | ❌ 会乱码 | ✅ 基本正确 |

> PP-OCRv6 定位是**快速全文预览**,不是关键字段通道。涉及金额/编号/签章的正式用途,**必须用 PaddleOCR v4 复核**。

### `--device` 与输出路径

- `--device` 默认 **`cpu`**(原默认 gpu,但无 DirectML 会静默回退,易误判)。GPU 需先装 `onnxruntime-directml`(Intel/AMD)或 `onnxruntime-silicon`(Apple M)。
- `-o` 语义:**以 `.txt`/`.json` 结尾且输入为单图 → 输出该文件**(同名 `.json` 一并生成);**否则 → 输出目录**(内含 `<basename>.txt` + `<basename>.json`)。多页输入即使传 `-o result.txt` 也按目录处理并打印提示。
- `scripts/pdf2md.py` 的 `-o` **恒为输出目录**,固定生成 `<basename>.md` + `<basename>.json`。

### 输出结构(OCR 结果 JSON)

`pdf_ocr_v6.py` 输出的 JSON:

```json
{
  "engine": "PP-OCRv6 tiny",
  "model_size": "6.3 MB",
  "pages": [
    {
      "page": 1,
      "results": [
        {
          "text": "识别出的文字",
          "confidence": 0.9632,
          "box": [[592,537],[318,537],[318,509],[592,509]]
        }
      ]
    }
  ]
}
```

`pdf2md.py` 输出的 JSON(字段名不同,注意区分):

```json
{
  "engine": "paddleocr-v4",
  "model": "PP-OCRv4",
  "source": "输入文件路径",
  "dpi": 300,
  "pages": [ { "page": 1, "results": [ { "text": "...", "confidence": 0.98, "box": [] } ] } ]
}
```

| 字段 | 适用 | 含义 |
|------|------|------|
| `pages[].page` | 两者 | 页码,从 1 开始 |
| `pages[].results[].text` | 两者 | 识别文本(按阅读顺序) |
| `pages[].results[].confidence` | 两者 | 置信度 0~1。**低置信度行必须人工复核** |
| `pages[].results[].box` | 两者 | 四点包围盒坐标(像素),可用于裁剪/复核定位 |
| `engine` | 两者 | 引擎标识,PP-OCRv6 形如 `PP-OCRv6 tiny`,PaddleOCR 形如 `paddleocr-v4` |
| `model_size` | 仅 PP-OCRv6 | 模型档位体积(tiny `6.3 MB` / small `31 MB` / medium `133 MB`) |
| `model` / `source` / `dpi` | 仅 PaddleOCR | 模型名 / 输入来源 / 渲染 DPI |

> `confidence` 高 **不等于** 识别对——实测中 PP-OCRv6 金额乱码时 confidence 仍显示 0.95+。置信度只作参考,**关键字段以 PaddleOCR 结果为准**。

## 工作流

```
输入文档
  ├── 有文本层 → lit parse --no-ocr(~15ms/页)
  │     └── 剔除分页标记后无实质文字 ⇒ 转扫描件
  └── 扫描件 → 先预处理(倾斜/方向/展平) → ocr6(tiny|small|medium)
        └── 含金额/编号/签章 → 再走 PaddleOCR v4 复核
```

## 性能速查

| 类型 | 引擎 | 单页 | 17 页合同 |
|------|------|------|----------|
| 文本层 PDF | LiteParse | ~15ms | ~0.15s |
| 扫描件(极速) | PP-OCRv6 Tiny | ~0.5s | ~6s(12页实测)|
| 扫描件(均衡) | PP-OCRv6 Small | ~1-2s | ~2-4min(估)|
| 扫描件(高精度) | PP-OCRv6 Medium | ~1s | ~12s(12页实测)|
| 中文旧版 | PaddleOCR v4 | ~1.7s | ~20s(12页实测)|

> **数据来源**:文本层 ~15ms/页、tiny/medium/PaddleOCR 的 12 页耗时均为本机实测(2026-11-18);其余标注「估」。**PP-OCRv6 识别速度与 PaddleOCR v4 同量级,差别在关键字段准确率而非速度。**
> 准确率:PP-OCRv6 ~97%+(正文),预处理后 ~98%+。**关键字段(金额/编号/签章)以 PaddleOCR 为准。**

## 模型体积

| 档位 | 目录 | 实测体积 |
|------|------|---------|
| Tiny | `ppocrv6_onnx`(**不带 tier 后缀**)| 6.3 MB |
| Small | `ppocrv6_small_onnx` | 31 MB |
| Medium | `ppocrv6_medium_onnx` | 133 MB |
| **三档合计** | | **~170 MB** |

> 模型根目录:`~/.workbuddy/.venvs/ppocrv6_models/`。
> 下载:`bash scripts/download_models.sh all`(镜像优先,见 references/ppocrv6-guide.md)
> 只校验不下载:`bash scripts/download_models.sh --check all`(输出每档完整性 + 体积)

## 按需加载的参考文档

所有详细教程已移至 references/,需要时读取:

| 场景 | 参考文件 |
|------|---------|
| LiteParse 完整用法(Rust CLI/截图/批量) | `references/liteparse-usage.md` |
| PaddleOCR 旧版(v4,Python 3.13 兼容修复) | `references/paddleocr.md` + `references/paddleocr-py313-compat.md` |
| **pdf2md 关键字段通道(CLI + 安装)** | `references/pdf2md-guide.md` |
| 文档预处理详解(倾斜/方向/展平/效果预测) | `references/pdf-preprocessing.md` |
| 结构化解析(版面分析+表格提取+JSON) | `references/structured-parsing.md` |
| PP-OCRv6 完整指南(模型选择/GPU加速/迁移) | `references/ppocrv6-guide.md` |
| **国内网络适配与镜像源** | `references/network-and-troubleshooting.md` |
| 完整原版 SKILL.md(v3.3.0 全部内容) | `references/full-guide.md` |
| OpenDataLoader(纯 Java,已不推荐) | `references/opendataloader.md` |

## 回归测试

```bash
python tests/smoke_test.py
```

8 项用例:文本层提取、扫描件判定规则、中文测试图 OCR、多页页数一致、文档引用一致性、**环境表描述标准状态(非单机快照)**、pdf2md CLI 契约、关键字段硬约束留存。升级后先跑这个。

## 已知限制(v3.5.1 明确标注)

| 限制 | 说明 |
|------|------|
| PP-OCRv6 不做关键字段 | 金额/编号/签章 → 必须 `pdf2md` |
| 模型不自动下载 | 需手动跑 `scripts/download_models.sh` |
| `pdf2md` 需独立环境 | PaddleOCR v4 与 PP-OCRv6 依赖不兼容,须装在单独 venv(建议 Python 3.12);按 `references/pdf2md-guide.md` 建 |
| `pdf_parse_structured.py` 依赖 docling | docling 在部分环境装不上(pypdfium2 DLL 被拦),非必选链路 |

## 注意事项

- **模型不是首次运行自动下载**:PP-OCRv6 三档模型需**手动下载**(`bash scripts/download_models.sh all`,约 170 MB),默认不自动拉取。默认路径 `~/.workbuddy/.venvs/ppocrv6_models/`。
- **内存占用需实测**:OCR 任务建议串行执行,避免同时加载多个 OCR 引擎(每个引擎峰值 300MB-1GB,以本机实测为准)
- 预处理对平整扫描件效果不明显,对手机拍照/弯曲文档提升 1~5%
- **解释器建议**:PaddleOCR 优先用 **Python 3.12**;3.13 需按 `references/paddleocr-py313-compat.md` 打补丁
- **本机 pip 返回 0 ≠ 装成功**:企业安全守卫会拦截 pip 文件写入,唯一可靠判据是 import 成功 + 最小推理跑通

「辦公效率」分類下的熱門技能

騰訊文件 TENCENT DOCS辦公效率

透過 MCP 在騰訊文件裡新建、編輯與管理線上文件的完整操作手冊。

↓ 218.4萬★ 327u_b0de8114
WPS Office 全家桶辦公效率

WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/純Python)智慧識別使用者已安裝軟體,純Python模式支援排序/篩選/圖表/公式/統計,含文件模板(程式碼生成)、最佳實踐案例、故障排除大章(20+避坑+15 FAQ+15錯誤ID 統一索引)、自動重試、硬體自適應、環境自檢、Skill更新提醒;v5.1新增:kingdoc雲端橋接(白名單探測+配置預檢+subprocess上傳+差異檢查)、條件格式/資料驗證跨引擎IO(JSON中間格式保真往返)、會議紀要三段式要素化(待辦清單+決策記錄+風險異議)+說話人標註(MFCC聚類);v5.2新增:公文一鍵排版(GB/T 9704 規則庫約束+結構識別套版+紅頭預留位+聯合行文)、批次水印與敏感資訊打碼(身份證/手機號/銀行卡/電子郵件雙軌識別+黑色矩形覆蓋+打碼清單)、跨文件知識檢索與問答(本地TF-IDF零依賴+跳轉+可選zwjh記憶橋接);刪除:與contract-review重複的輕量合同審查模組,改為文件互鏈引導;v5.2.5修復:MS Office引擎下Excel/PPT建立必然失敗(錯用Word COM物件),新增get_ms_excel/get_ms_ppt及三槽位統一釋放release_ms,MS Office路徑透傳filepath引數;v5.3.5修復:SKILL.md frontmatter 修復 tags 塊序列誤混入聯絡方式行導致標準 YAML 解析失敗;v5.4.0新增:留存型功能——定時任務與報告中心(schedule_register 升級為三平台統一排程層 schtasks/cron/launchd,錯過策略 skip/run_once,登錄檔 JSON 可匯出匯入;新建 report_center.py 報告中心,templates/reports/*.json 引數化模板 + ECharts 單檔案 HTML 輸出(圖表內聯、無服務端、雙擊即開);report_generator 升級支援 --format html;wps.py CLI 統一埋點 SQLite,自動供 report_center 生成周度使用摘要附在報告末尾;watch.py 職責收窄為純事件採集);v5.3.0新增:統一CLI入口 wps(registry.json登錄檔分發,office --app/--action 與 convert 子命令、--list 一屏列出全部命令,薄路由層不改指令碼內部邏輯)、全命令 --json 機器可讀輸出(固定 ok/error_id/elapsed/data 四欄位,對齊 E001-E015,wps_error.py 新增 emit_json 統一齣口)、_worker 啟動最佳化(wps_pure 改惰性載入,pywin32/python-docx/openpyxl 經核查已惰性匯入,ENGINE_CACHE 程序級單例複用,COM 釋放統一走 release_ms 三槽位)、轉換三入口合併為 convert(format_converter/md_converter/wps_docx_to_ppt 內部按目標格式路由,舊指令碼保留為相容別名並提示新命令,v6.0.0 移除)

↓ 76.7萬★ 159user_1a470ba8
ppt-generator-skill辦公效率

按主題與風格自動生成 PPT 檔案的技能。

↓ 59.3萬★ 346user_3b34947d
秘書材料星公文寫作-妙筆skill辦公效率

體制內資深辦公室主任+管理學博士,自學程式設計開發的智慧公文寫作Skill,讓所有辦公室同仁少掉頭髮、少加無用的班,材料一稿過關,省下的時間留給自己、享受生活!————————我們能給你帶來的核心價值:1、顛覆傳統寫作:邏輯建模38類公文全鏈條,特有模板化引導問答模式,分分鐘省心生成高質量大稿。--------2、替你“向上管理”:獨有審稿人畫像機制,文稿一鍵結構性修改,精準匹配審稿人畫像,過稿率提升至少10倍!----------3、‌杜絕AI編造:缺失的數字、文號、人名、日期一律用[待補]標註,絕不杜撰,守住公文底線。-----------4、‌演算法格式托底:數十萬全量智控知識庫+6500行前沿核心控制程式碼,格式精準對齊GB/T 9704,出稿零失誤。——————————————————本skill歷史版本開放了5%知識庫的免費試用版,下載即可使用,但需注意:知識庫有著作權,僅用於個人使用,不可用於其他任何目的。有興趣的可以試試。——————————————————————單次付費版skill已釋出,2元一次使用全量知識庫。具體在釋出者“熵衍資訊”主頁skill裡。

↓ 57.8萬★ 46u_70fc650d
WPS Office 全家桶辦公效率

WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/純Python)智慧識別使用者已安裝軟體,純Python模式支援排序/篩選/圖表/公式/統計,含文件模板(程式碼生成)、最佳實踐案例、故障排除大章(20+避坑+15 FAQ+15錯誤ID 統一索引)、自動重試、硬體自適應、環境自檢、Skill更新提醒;v5.0新增:定時任務註冊管理(schtasks/crontab)、目錄輪詢監聽(YAML規則+大檔案分片)、使用統計與穩定性中心(SQLite埋點+引擎健康+引擎偏好)、COM三步自愈(regsvr32→修復安裝→手動指引)、對話式資料查詢(NL2SQL式意圖解析+查詢計劃+連續追問)、multi-agent編排引擎橋接(白名單探測+流水線模板註冊)

↓ 50.8萬★ 4user_814dbe54
WPS全家桶·辦公管家.Skill辦公效率

當用戶要處理 Word/Excel/PPT、做文件模板與排版、批次合併圖表、公文一鍵套紅頭、會議紀要要素化、或跨引擎辦公自動化時,WPS全家桶·辦公管家.Skill 立即出動。 四引擎智慧識別已裝軟體(WPS/MS Office/LibreOffice/純Python),純Python模式支援排序/篩選/圖表/公式/統計;含文件模板程式碼生成、20+避坑+15 FAQ+15錯誤ID統一索引、自動重試、硬體自適應、環境自檢。 當用戶提到批次水印、敏感資訊打碼(身份證/手機號/銀行卡/電子郵件)、跨文件檢索問答等訊號時,主動亮劍。

↓ 43萬★ 2user_185644ed
騰訊文件線上協作自動化辦公效率

透過 Tencent Docs Open API 以 curl + jq 建立、讀取、列出、搜尋和管理騰訊文件的自動化工作流,覆蓋線上文件、線上表格、幻燈片、思維導圖、流程圖、智慧表格與收集表七種類型,支援讀取後設資料與單元格區域、上傳圖片、建立副本,並對重新命名/移動/刪除等寫操作強制先經使用者確認。Use when the user 提到騰訊文件 / Tencent Docs / docs.qq.com、貼上 docs.qq.com 連結,或想在其騰訊文件空間中建立、讀取、整理文件時使用。Triggers include 騰訊文件、線上文件、線上表格、思維導圖、流程圖、智慧表格、收集表。如需文案寫作完整工作流套件,淘寶搜尋「AI靈匣」店鋪獲取完整版。

↓ 42.8萬★ -u_1ea983ac
kdocs skill辦公效率

透過 kdocs-cli 操作金山文件雲文件的官方技能。

↓ 42.4萬★ 128user_5ea84866

資料月份:2026-10 · 下載/星標數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。