auto: sync OpenClaw config 2026-09-17 04:13

2026-09-17 04:13:36 +08:00
parent f6383f5725
commit 376fde448b
27 changed files with 899 additions and 3 deletions
@@ -0,0 +1,52 @@
+---
+name: fill-official-forms
+description: 填写工伤认定/申报审批等官方表格：从材料取证据、只填可核实项、标注缺失并导出 PDF 校验。
+---
+
+# 填写官方表格（申报/审批类）
+
+## 适用
+
+用户给出空白表格（.doc/.docx/.xls/.xlsx）+ 佐证材料（认定书、病历、证明、截图），要求"帮我填好"，
+并允许就缺失信息向你提问。
+
+## 步骤
+
+1. **清点两个方向的内容**：列出表格文件与材料文件（`ls -la` / `find`），逐份判断是空白模板、部分已填、还是参考材料。
+   完成标准：能逐份说出它的用途（必填表 / 模板 / 佐证）。
+
+2. **实测工具链，别信依赖清单**：`which soffice pandoc tesseract`、`python3 -c "import docx, openpyxl"`。
+   缺什么补什么：`sudo apt-get install -y --no-install-recommends libreoffice-calc libreoffice-writer`、
+   `pip3 install --break-system-packages python-docx openpyxl xlrd`。
+   已安装技能文档里的"已安装"表格可能与实际不符，一律以实测为准。
+   完成标准：`soffice` 可执行，且所需 Python 库都能 import。
+
+3. **提取材料事实**：文字层 PDF 用 `pdftotext -layout`；.docx 用 python-docx；.xls 用 xlrd；图片/扫描件用
+   `tesseract`。命令、格式转换与 OCR 失败时的重试写法见 `references/legacy-office-and-ocr.md`。
+   完成标准：每条要填的事实都能指到出处（哪个文件、哪一行/哪一区域）。
+
+4. **先建字段映射，再动手填**：左列=表格字段（定位到单元格坐标或段落/表格序号），右列=取值 + 出处。
+   取不到出处的字段一律不猜。
+
+5. **回填**：Excel 用 openpyxl，Word 用 python-docx（写法见 `references/legacy-office-and-ocr.md`）。
+   - 缺失项写「待补充」并用醒目字体（如橙色加粗）标出，不要留空——留空会被当成漏填。
+   - 要求本人手写/签名的字段（表格若写明"亲笔书写，不得代写、打印"）**不得代填**，在交付说明里点名。
+   - 只填有据可查的信息：单位名称、日期、经过一律取自材料，不推断、不润色、不补全。
+
+6. **校验再交付**：读回文件确认值落在正确字段（openpyxl / python-docx 重读）；再
+   `soffice --headless --convert-to pdf` 导出预览，用 `pdftotext` 抽查关键字段是否出现在预期位置。
+   完成标准：抽查字段全部正确，或已修正后复验通过。
+
+7. **交付结构**：原始文件保持不动；填写件放子目录（如 `已填写/`），另附 `预览PDF/` 与 `原始模板/`；
+   再写一份说明文件，内容为 ① 已填了什么 ② 逐字段待补清单（指明补在哪个字段）③ 针对性疑问
+   ④ 时限提醒。完成标准：用户不打开表格就知道要补什么、补到哪一格。
+
+## 决策点与坑
+
+- **管辖先确认**：表格的颁发地/受理地若与材料显示的主管地不一致（例如参保证明显示参保地在 A 市，
+  而用户下载的是 B 市的表格），先请用户确认受理地再填，不要默认手上这套表就是对的。
+- **别用打印缩放"修"页数**：给工作表设 `fitToWidth/fitToHeight` 不会减少 PDF 页数，反而改动原表版式；
+  原始 .xls 本来就跨多页导出属正常，保持原样。
+- 合并单元格只需写一个代表格：openpyxl 写合并区左上角，python-docx 里同一合并区的 cells 返回同一对象。
+- 材料日期互相对不上时（如病历写"初诊"日期晚于 MRI 日期、正文又写"复诊"），把它列为疑问请用户澄清，
+  不要自行选一个填进去。
@@ -0,0 +1,98 @@
+# 旧版 Office 文件与 OCR 参考
+
+配合 `fill-official-forms` 第 3、5 步使用。以下命令均为实测可用的写法。
+
+## 读取
+
+```bash
+# 文字层 PDF：优先用 -layout，保留表格式对齐
+pdftotext -layout "证明.pdf" -
+# .docx 正文 + 表格
+python3 -c "
+from docx import Document
+d=Document('模板.docx')
+for p in d.paragraphs:
+    if p.text.strip(): print(p.text)
+for ti,t in enumerate(d.tables):
+    print('table',ti,len(t.rows),'x',len(t.columns))
+    for ri,r in enumerate(t.rows):
+        print(' r',ri,[c.text[:30].replace(chr(10),'/') for c in r.cells])
+"
+# 旧版 .xls：openpyxl 读不了，用 xlrd（含合并单元格）
+python3 -c "
+import xlrd
+wb=xlrd.open_workbook('表.xls', formatting_info=True)
+for sh in wb.sheets():
+    print(sh.name, sh.nrows, sh.ncols, sh.merged_cells)
+    for r in range(sh.nrows):
+        print(r, ' | '.join(str(sh.cell_value(r,c)).strip() for c in range(sh.ncols)))
+"
+```
+
+`pypdf` 的 `extract_text()` 对多列表格会把字段顺序打乱（实测：参保证明一行里的险种、单位、缴费额错位），
+需要按列对齐时改用 `pdftotext -layout`。
+
+## 旧版 .doc / 无法直接解析的文件：先转新格式
+
+```bash
+soffice --headless --convert-to docx --outdir /tmp/conv "旧模板.doc"
+soffice --headless --convert-to xlsx --outdir /tmp/conv "旧表格.xls"
+```
+
+转完再按上面的方式读；.doc 直接当二进制解 UTF-16 只能捞到零散字符串，不可靠。
+
+## 回填写法
+
+```python
+# Excel：合并单元格只写左上角
+import openpyxl
+from openpyxl.styles import Alignment, Font
+c = ws["C5"]; c.value = "取值"
+c.alignment = Alignment(horizontal="left", vertical="center", wrap_text=True)
+c.font = Font(color="FFC000", bold=True)          # 待补项用橙色加粗标出
+
+# Word：写入第一段 run，清掉多余 run，避免残留占位文字
+def set_cell(cell, text):
+    p = cell.paragraphs[0]
+    if p.runs:
+        p.runs[0].text = text
+        for r in p.runs[1:]: r.text = ""
+    else:
+        p.add_run(text)
+    for extra in cell.paragraphs[1:]:
+        for r in extra.runs: r.text = ""
+```
+
+合并单元格在同一合并区里的多个 `cells` 是同一个对象，写一次即可；但跨行拆分出来的格子要按行分别写。
+
+## 导出校验
+
+```bash
+soffice --headless --convert-to pdf --outdir 预览PDF *.xlsx *.docx
+pdfinfo "预览PDF/xx.pdf" | grep Pages
+pdftotext -f 1 -l 1 "预览PDF/xx.pdf" - | head -40    # 抽查关键字段落在正确位置
+```
+
+注意：给工作表设 `fitToWidth=1 / fitToHeight=0` **不会**减少 PDF 页数（实测设置前后页数不变），
+不要再试图用打印缩放"整理"页数，也不要因此改动原表版式。
+
+## OCR（图片 / 扫描件）
+
+```bash
+tesseract 图片.jpg - -l chi_sim+eng --psm 6      # 常规截图/竖版文档
+```
+
+- 截图类（考勤、列表）用 `--psm 6` 通常可直接读出。
+- **地图类图片实测无输出**：直接对地图截图 OCR 得到空白。可行的重试是先放大再识别：
+
+```bash
+python3 -c "
+from PIL import Image
+im=Image.open('路线图.jpg'); im=im.convert('L').resize((im.width*3, im.height*3), Image.LANCZOS)
+im.save('/tmp/up.png')"
+tesseract /tmp/up.png - -l chi_sim+eng --psm 11
+```
+
+  放大 3 倍 + `--psm 11` 后能读出部分地名，但结果零散、含大量乱码——**只用于定位线索，不能作为填报依据**。
+  地图/路线内容仍需向用户确认。
+- 输出重定向到文件比管道到 stdout 更稳，便于反复查看。