--- name: document-photo-to-pdf description: 把手机拍摄的纸质文档照片逐页裁剪、拉正、判定方向,合并为一个 PDF;可选发布可拖拽角点的审核页 input_schema: type: object properties: images: type: array items: {type: string} description: 图片路径,按合并顺序;新批次必填,传 batch_id 时可省略 output: type: string description: 输出 PDF 路径,默认 文档照片_校正.pdf;batch_id 模式忽略此参数,沿用批次原输出 paper: type: string description: a4/letter/16k/b5/数字宽高比/auto;默认 auto orientation: type: string enum: [auto, none, portrait, landscape] description: 方向策略;默认 auto(逐页按纸张宽高比判横竖) enhance: type: string enum: [original, normal, strong, bw] description: 调色档;默认 normal dpi: type: [string, integer] description: 清晰度;standard(150)/high(300) 或 72~600 的数字 review: type: string enum: [off, always, auto] description: 审核页策略;off(默认)不发布,always 总是发布,auto 只在有页需要人看时发布 batch_id: type: string description: 重生成用;从 data.db 读源图/输出/编辑,覆盖同名 PDF。忽略 images/output edits: type: [string, object] description: review/1 修改对象或 JSON 路径;batch_id 模式不传时读 doc_review_job.edits state: type: string description: 上一份 state.json 路径;可选,仅用于恢复自动角点/调试 --- # 文档照片转 PDF 手机拍的纸质材料 → 一个版正字清的 PDF。自动检测纸张四角、自动拉正,不读图、不传坐标。 需要人工确认时,可以发布一个可拖拽角点的审核页,改完点「生成 PDF」直接覆盖重出。 ## 两种用法 ### 全自动(默认) ```json {"images": ["图1.jpg", "图2.jpg"], "output": "合同_校正.pdf"} ``` 只出 PDF,不写 `.app/`、不碰 `data.db`。适合“直接出件、不用看”的场景。 ### 半自动(审核页) ```json {"images": ["图1.jpg", "图2.jpg"], "review": "always"} ``` 在出 PDF 的同时: 1. 把源图缩略图发布到会话 `.app/doc-review//`; 2. 把批次/页面/任务记录写进会话 `data.db` 的 `doc_review_*` 表; 3. 返回 `review.url`(站内路径 `/app//doc-review/?b=`)。 用户拖角点、旋转、删页、调页序、改四项参数后,点页面右下角「生成 PDF」: 页面把修改写进 `doc_review_job`,再调用通用执行接口 `POST /api/sessions//skills/document-photo-to-pdf/run`(只传 `batch_id`), 服务端按同一份 `run.py` 覆盖同名 PDF,页面自动刷新。**不需要复制 JSON,也不经过模型。** `review=auto` 是两者之间的桥:只有存在 `needs_attention` 的页(检测不到角点、方向存疑、 覆盖率低等)才发布审核页;全部就绪时不发布。 ## 参数 | 参数 | 必填 | 说明 | |---|---|---| | `images` | 新批次必填 | 图片路径,按传入顺序合并;相对路径按会话目录解析 | | `output` | 否 | 默认 `文档照片_校正.pdf`;`batch_id` 模式沿用批次原输出并覆盖 | | `paper` | 否 | 默认 `auto`:按同批中位比例统一版式,填满 A4 内容区;偏差超过 20% 的页保持原比例。整批都是 A4 时可传 `a4`;票据/异形纸保持 `auto` 或传数字比例(宽/高) | | `orientation` | 否 | 默认 `auto`:**逐页**按本页纸张宽高比定横竖,不看批次多数票。`none` 保持每页原方向;`portrait`/`landscape` 强制整批对齐 | | `enhance` | 否 | 调色档,默认 `normal`。`original` 原样不提亮;`strong` 加强;`bw` 黑白(保留灰阶,不二值化) | | `dpi` | 否 | `standard`(150) / `high`(300) / 72~600 的数字,默认 150 | | `review` | 否 | `off`(默认)/`always`/`auto`;传 `batch_id` 且不传 review 时按 `always` | | `batch_id` | 否 | 重生成:读 `data.db` 里的源图、输出、编辑,覆盖同名 PDF;忽略 `images`/`output` | | `edits` | 否 | `review/1` 对象或路径;`batch_id` 模式不传时读 `doc_review_job.edits` | | `state` | 否 | 上一份 `state.json` 路径;可选,只用于恢复自动角点/调试 | 优先级:`edits.batch` > 显式参数 > 默认值。`edits` 里的角点会跳过检测,直接用给定坐标。 ## 看返回值 stdout 是一个 JSON 对象,**先看 `ok`**: - `ok:true`:`output.path` 是 PDF;`summary` 可直接转述;`warnings` 非空时要一起告诉用户。 - `ok:false`:不要重试,把 `error.message` 和 `error.hint` 转述给用户。 **单页拍得不好不再等于失败**:检测不到角点、角点校验不过的页会用“画面内缩 3%”的兜底框 照常出件,该页 `status` 为 `needs_corners`;原图打不开的页标记 `failed` 并跳过。只有一页都 出不了时才返回 `ok:false`。 成功示例(半自动): ```json {"ok":true,"summary":"3 页已生成;1 页需人工确认", "output":{"path":"/.../合同_校正.pdf","pages":3}, "review":{"batch_id":"dr20261023-120000-a1b2","published":true, "url":"/app/task-20261023-001/doc-review/?b=dr20261023-120000-a1b2", "ready":2,"needs_attention":[{"index":2,"status":"needs_corners","reason":"detect_failed"}]}, "warnings":[]} ``` - `review.published=false` 时没有 `url`,不要给用户审核入口。 - `review.url` 是站内路径:Web 里直接输出成 Markdown 链接即可;微信/外部端需要拼上站点 地址才能打开。审核页是拖拽页面,建议让用户在浏览器里用。 - `review.ready` 是 `status=ready` 的页数;`needs_attention` 含 `review`、`needs_corners`、 `needs_orientation`、`render_failed`、`failed`。 `warnings` 里常见的是:某页已旋转 90°、某页用兜底框出件、某页透视校正失败已重试、 纸面短边偏低。这些表示“已出件但需确认”,按原话转述,不要自己判断“应该没事”。 `checks.pages` 是逐页数值指标,用户追问时再展开,不必主动倒给用户。 ## 审核页与数据 - 页面模板的单一事实源:`skills/document-photo-to-pdf/web/index.html`。 - 运行时副本:会话 `.app/doc-review/index.html`(每次发布覆盖;不含任何数据注入)。 - 缩略图:会话 `.app/doc-review//p.jpg`(长边 1200,JPEG)。 - 运行记录:会话 `data.db` 的 `doc_review_batch` / `doc_review_page` / `doc_review_job`。 页面通过通用 `/api/db//query` 读,技能自己写;core 不认识这些表。 页面点「生成 PDF」的流程: 1. 把当前修改写成 `doc_review_job.edits`(完整快照,状态 `queued`); 2. 调 `POST /api/sessions//skills/document-photo-to-pdf/run`,args 只传 `{"batch_id":"..."}`; 3. 技能读 job → 应用 edits → 覆盖同名 PDF → 更新 batch/page/job; 4. 页面重新读 `data.db`,刷新摘要、状态和 PDF 链接。 `edits` 的结构(`review/1`): ```json {"schema":"review/1", "batch":{"paper":"a4","enhance":"normal","dpi":"standard","orientation":"auto"}, "pages":[{"i":3,"c":[[0.03,0.05],[0.97,0.04],[0.96,0.95],[0.04,0.96]],"r":90}], "order":[1,2,3],"deleted":[]} ``` - `i` 永远是**原始 images 的 1-based 下标**,不随页序变化; - `c` 是归一化 0~1,相对 exif_transpose 后的原图,顺序左上、右上、右下、左下; - `r` 是该页的**最终顺时针旋转**(0/90/180/270),覆盖自动方向判断;不传则用自动结果; - `pages` 只需要放与自动基线不同的页(人工角点/旋转);未改的页由服务端重新检测/评级; - `order` 是出件页序,`deleted` 是删除的页;缺省按 images 原序。 技能每次出件会在 PDF 同目录写 `<名字>.state.json`(schema `document-photo-to-pdf/2`): `batch` 是本次四项参数,`pages[]` 记 `auto_corners`(原图像素)、`corners_norm`、 `rotate`(自动基线)、`rotate_source`、`status`、`reason`。坐标一律归一化,换预览分辨率不会错位。 审核页发布的旧批次只保留最近 5 个;更早的缩略图目录会随下一次新批次自动清理。 ## 内容安全 只做纯几何透视变换 + 全局等比提亮,不调用生成式模型,文字像素不会被重绘。 ## 拍摄要求(失败时这样建议用户) - 一次只拍一张纸,整张纸完整入画,四边各留 3%~5% 背景; - 桌面与纸张反差明显,避开强阴影和反光; - 同批材料尽量同方向拍摄;横竖混拍不会自动翻转,需要人确认方向。 ## 边界 - 纸张出画面的部分无法还原;角点可以外扩到画面外。 - 只保证页面拉正,不保证文字朝上;自动方向只判 90°,180° 需要人在审核页旋转。 - 检测不到角点的页用“画面内缩 3%”的兜底框出件,标 `needs_corners`,需人补角才是准确裁切。 - 默认 `paper=auto` 会把同批页面统一到中位比例(偏差 20% 以内),因此各页尺寸与留白一致; 偏差更大的页按原比例出件。要严格 A4 用 `paper=a4`。 - 票据等窄纸建议单独成批,避免与 A4 混批时留白显得很宽。 - 低分辨率照片会被放大到统一版式,不会因原图像素少而变小;清晰度仍受原图限制。 - 数字比例只改纸面比例,PDF 画布仍是 A4;换画布请用 a4/letter/16k/b5。 - 支持 jpg/png/webp/bmp/tif;HEIC 需要额外依赖,当前不支持。 - 低分辨率、边缘背景残留、内容贴边只在 `warnings`/`checks` 里给指标,不会自动修正。 - 深色纸、彩色纸、纸张与桌面颜色接近时,自动检测可能不稳,建议换对比明显的背景重拍。 - 单次建议不超过 20 页;页数更多或原图很大时可能触发技能 120s 超时,可分批处理或调高 `skills.timeout_ms`。 - 一图只处理一张纸;同框多张纸只取最大的一张。