Files
agent/skills/document-photo-to-pdf/SKILL.md
T
kicer a52b227d8b refactor(skills): 本地安装改成「README 式说明」,install.sh/requirements.txt 归服务器
按三条原则收紧:
1) 线上零影响:office/install.sh 回退成原来的 linux-only 版本(本地本来就不该跑它);
   image-process 的字体候选表撤回(那是在代码里写环境兼容,方向错了)。
2) install.sh / requirements.txt 只做服务器工件:镜像构建与 agent-executor-init 读它们,
   行为一字未变。
3) 本机缺东西时由 .md 指路,模型自己去装:四个技能各加 INSTALL.md(具体命令 + 平台
   资产/字体表 + 验证方式),并在 SKILL.md 里各加一行指向它(skill get 就能看到)。
   报错文案带上 INSTALL.md 的绝对路径,所以「撞到缺依赖」的那一刻就能拿到说明书。

保留的两处代码钩子都不是环境探测,而是「说明书里写的安装方式得真能生效」:
- office: start.sh 把 skills/office/scripts 塞进 PATH(本地没 root 写 /usr/local/bin);
  封装层 ENOENT 指向 INSTALL.md。
- x2pdf: find_soffice() 探 macOS app bundle(brew cask 装的 soffice 不在 PATH);
  WeasyPrint 不可用时回落 LibreOffice,让本地只需一个后端而不是 pango+WeasyPrint 两条链。

INSTALL.md 里 officecli 指向 releases/latest(它会自更新,实测 1.0.157 跑一次变 1.0.160),
不要求与服务器 pin 对齐。

实测:office --version / office create / office view outline 正常;x2pdf 缺 markdown 与
image-process 缺字体两条报错都给出 INSTALL.md 绝对路径,按 font 参数即通过。
2026-11-11 17:34:30 +08:00

3.1 KiB
Raw Blame History

name, description, visit_url, input_schema
name description visit_url input_schema
document-photo-to-pdf 纸质文档(合同/发票/证件/书页)拍照/扫描件校正后,导出 PDF 和 out/ 下的单页 PNG 原图(未调色未缩放);自动找纸边、透视拉正、多页合并,附审核页微调 /app/{task_id}/doc-review/
type properties
object
images output
type items description
array
type
string
图片路径,按合并顺序;可只传一张
type description
string 输出 PDF 文件名,默认 文档照片_校正.pdf

文档照片转 PDF

{"images": ["图1.jpg", "图2.jpg"], "output": "合同_校正.pdf"}

images 必填,按顺序合并;output 可选,默认 文档照片_校正.pdf。纸张、方向、调色、 清晰度不要传,交给审核页。

返回值

  • ok:true:summary 一句话摘要,pdf 文件名,images 是 out/ 下的原图路径; 末尾附完整「访问地址」。务必把 PDF、地址和图片路径一起给用户——自动找的纸边不一定准, 用户在审核页拖角/旋转后点「重新生成 PDF」即可就地修正,不必重传。 此时可直接收尾,不必额外复跑或逐页读图;但要在回话里带出 summary 的状态档位和需要人看的页 (needs_corners / review / failed 各有几页),不要只报"已生成"。
  • ok:false:一张都没出件(参数错误、图打不开、渲染失败、写盘失败)。此时没有 PDF、 也没有审核批次,访问地址打开是空的,无意义;只需转述 error.message / error.hint。

每次运行还会把校正后的单页原图(未调色、未缩放、无白边)导出到 out/,文件名与 PDF 同名:合同_校正.pdf → out/合同_校正-01.png、out/合同_校正-02.png。不需要图片时 忽略 images 即可。

{"ok":true,"summary":"3 页已生成;1 页建议在审核页确认;原始页图见 out/","pdf":"合同_校正.pdf","images":["out/合同_校正-01.png","out/合同_校正-02.png","out/合同_校正-03.png"]}
访问地址:https://agent.ai.foresh.com/app/task-20261023-001/doc-review/

审核页可拖角、旋转、删页/排序、改纸张与清晰度;改动后点「重新生成 PDF」覆盖同名文件。

失败与拍摄

  • 图片打不开:确认路径与格式(jpg/png/webp/bmp/tif)。
  • 检测不到纸张:整张纸入画,四边留 3%~5% 背景,换反差大的桌面。
  • 只有全部页都出不了才 ok:false;单页失败会用兜底框出件,审核页会标出来。

边界

  • 纸出画面无法还原;角点可外扩。
  • 自动方向只判 90°,180° 在审核页旋转。
  • 默认按同批中位比例;严格 A4/16K/B5 在审核页选。
  • 支持 jpg/png/webp/bmp/tif;HEIC 不支持。
  • 一图一纸;同框多纸只取最大。
  • 建议 ≤20 页;更多或 300dpi 可能超 120s,可分批。
  • out/ 里的原图是自然尺寸(不缩放、不调色),页与页尺寸可能不同;PDF 仍按纸张/批次统一。

环境

缺 Python 依赖时按同目录 INSTALL.md 自己装(服务器由镜像 + requirements.txt 提供)。