feat: export core Hermes skills

2026-07-15 02:45:56 +00:00
parent a028b63eda
commit 54711fee2a
308 changed files with 41310 additions and 1 deletions
@@ -0,0 +1,67 @@
+# OCR复用 + OnlyOffice渲染技巧
+
+## OCR复用（跳过Step 1提取）
+
+前session已提取的 `*_全文.md` / `*_全文_OCR.md` 文件若已存放于Nextcloud校区目录，
+可直接复用，无需重新OCR。
+
+### 确认步骤：
+```bash
+# 1. 列出已有MD文件
+sudo docker exec nextcloud-nextcloud-1 find "<校区容器路径>" -name "*.md" -type f | sort
+
+# 2. 逐份对照PDF清单——每份PDF都有对应MD即可跳过提取
+# 3. docker cp 到本地
+sudo docker exec nextcloud-nextcloud-1 cat "<容器内MD路径>" > /tmp/<工作目录>/<文件名>.md
+
+# 4. 仍须跑 garble 检测确认质量
+python3 ~/.hermes/skills/legal/contract-portfolio-analysis/scripts/ocr-garble-detect.py <文件>.md
+
+# 5. 高危乱码 vision 核实 → 全灭后进 Step 2
+```
+
+### 世茂校区实证（2026-07-02）：
+4份合同全部已有MD提取文件，直接跑garble检测：
+- 青少租赁：15处高危（大部分在目录页OCR噪声+附件表格），关键条款vision验证通过
+- 青少物业：6处高危
+- 高中租赁：18处高危
+- 高中物业：2处高危
+
+关键金融数据（面积/租金/税率）通过vision交叉验证确认准确后，整体Step 1节省约20分钟。
+
+---
+
+## OnlyOffice x2t 渲染 — 写XML的权限问题
+
+### 问题：
+`docker exec ... bash -c 'cat > /tmp/convert.xml << EOF ...'` 经常报 "Permission denied"，
+因为容器内 `/tmp` 可能被前次操作留下的 root 文件占用。
+
+### 解决方案：用 Python 写文件
+```bash
+sudo docker exec nextcloud-onlyoffice-1 rm -f /tmp/input.xlsx /tmp/output.pdf /tmp/convert.xml
+sudo docker cp <本地xlsx> nextcloud-onlyoffice-1:/tmp/input.xlsx
+
+sudo docker exec nextcloud-onlyoffice-1 python3 -c "
+with open('/tmp/convert.xml', 'w') as f:
+    f.write('''<?xml version=\"1.0\" encoding=\"utf-8\"?>
+<TaskQueueDataConvert xmlns:xsi=\"http://www.w3.org/2001/XMLSchema-instance\" xmlns:xsd=\"http://www.w3.org/2001/XMLSchema\">
+  <m_sFileFrom>/tmp/input.xlsx</m_sFileFrom>
+  <m_sFileTo>/tmp/output.pdf</m_sFileTo>
+  <m_nFormatTo>513</m_nFormatTo>
+</TaskQueueDataConvert>''')
+"
+
+sudo docker exec nextcloud-onlyoffice-1 /var/www/onlyoffice/documentserver/server/FileConverter/bin/x2t /tmp/convert.xml
+sudo docker cp nextcloud-onlyoffice-1:/tmp/output.pdf <本地输出路径>
+```
+
+### 关键点：
+- 先 `rm -f` 清理旧文件避免权限冲突
+- 用 `python3 -c` 写文件比 bash heredoc 可靠（避免容器内 shell 权限/重定向问题）
+- `m_nFormatTo=513` = PDF格式
+
+### 已知限制：
+- x2t渲染PDF时，白色字体在深色背景上可能不显示（字体嵌入问题）
+- 这不影响xlsx本身——用户在OnlyOffice中打开时白色文字正常显示
+- 视觉验证时注意：标题行的白色文字不显示≠格式错误，属x2t渲染特性