source-document-extractionlisted

# PDF 與 Word 文字擷取 擷取 PDF 或 Word（`.docx`）文件的文字，**預設轉為結構化 Markdown（`.md`）**。當本機 Read 工具無法渲染 PDF（缺 poppler／pdftoppm）時，改用本技能把來源文件擷取成可 Read 的 Markdown。 輸出檔沿用來源檔名主幹（`input.pdf` → `extracted/input.md`），供接續的精讀、審查或全文檢索閱讀——後續一律讀擷取產出的 `.md` 檔。 PDF 預設以 **pymupdf4llm** 後端轉 Markdown（依字型推斷標題層級、輸出表格、處理多欄版面）；`--legacy` 可切回自製後端（頁首頁尾去重、章節 heading、PAGE 分隔）。需要未加工純文字（除錯或保留原始版面）時，PDF 用 `--raw`、Word 用 `--txt`。詳見「Markdown 後端」節。 ## 何時使用本技能 - 要讀取 PDF 或 Word 全文，但 Read 工具無法渲染，需先擷取成文字。 - 需在文件中定位特定章節、小節或頁碼範圍。 ## 如何呼叫本技能 安裝為技能後，有兩種呼叫方式（顯式呼叫語法依工具而異）： - **顯式呼叫**：在 Claude Code 用斜線指令 `/source-document-extraction`；在 OpenAI Codex 用 `$source-document-extraction`。可在後面帶上檔案路徑，例如： ```text /source-document-extraction input.pdf $source-document-extraction report.docx --txt ``` - **自然語言（由 description 自動觸發）**：描述需求即可，例如「把 input.pdf 轉成 Markdown 讓我閱讀」「這份 PDF 我讀不到，先擷取全文」，代理會依 `description` 判斷並套用本技能。 ## 環境需求 本技能在 conda 環境執行（Python 3.11，**跨平台：Windows／macOS〔含 Apple Silicon〕／Linux 通用**）。文件示範用的預設環境名為 **`research`**，但可用任何裝好下列套件的環境。自含的最小安裝： ```bash conda create -n research python=3.11 -y # 環境不存在時先建立 conda run -n research pip install pymupdf pdfplumber pymupdf4llm python-docx mammoth ``` 所需套件：`pymupdf`（`import fitz`）、`pdfplumber`、`pymupdf4llm`（預設 PDF 後端）、`python-docx`、`mammoth`。若不可用，提示使用者執行上述安裝，勿自行改動環境。 若採用其他環境名，可用環境變數示範覆寫：`conda run -n "${SDE_ENV:-research}" ...`。 內附腳本為確定性工具，請**直接執行、勿改寫指令或增減旗標**（缺少的行為改用既有旗標達成，見下）。 ## 設定變數 | 變數 | 用途 | 預設 | |------|------|------| | `SDE_OUT_DIR` | 省略 `-o`