ClawHub

DocHub

Automation

All-in-one document management: batch convert to Markdown, auto-categorize, full-text search, and intelligent output. 全能文档管理技能，整合文档生命周期管理与智能检索。 Trigger: init...

Install

openclaw skills install dochub

dochub / 文档工作台

技能简介

dochub 是一个专业的文档知识库管理技能，负责将原始文档初始化为标准 Markdown 格式，提供专业的知识库文档概要与索引，并能根据检索内容分析、汇总并回复用户问题。

支持的文档格式

格式状态说明
.docx✅ 支持Word 现代格式
.xlsx✅ 支持Excel 现代格式
.doc / .xls / .pdf / .pptx / 其他❌ 不支持请先转换为 .docx 或 .xlsx

注意：dochub 仅支持处理 .docx 和 .xlsx 两种格式，其他格式文档将被跳过并提示用户。

核心功能

1. 初始化（init）

将工作区原始文档转换为标准知识库格式：

原始文档 → raw/ → 安全确认 → 检测不支持的格式 → MD转换(.docx/.xlsx) → 生成知识库概要与索引

步骤说明：

  1. 安全确认：询问用户文档是否已脱敏（不含敏感个人信息、机密数据等），必须确认后才继续
  2. 移动原始文档：将所有原始文档统一移动到工作区根目录 raw/ 文件夹
  3. 文件名规范化：只保留中文、英文、数字及中横线 -，其余字符统一替换为 -
  4. 检测不支持的格式：扫描非 .docx/.xlsx 文件，如发现则列出并提示用户这些文件将被跳过
  5. MD 文档转换：使用 markitdown 按原目录结构转换为 MD 文档
    • 仅支持格式：.docx, .xlsx
    • 转换前检查目标文件是否存在
    • 首次存在时询问用户选择「跳过」或「覆盖」，后续自动应用该选择
  6. 生成知识库概要与索引：生成 _docs_knowledge_base.md，包含：
    • 文档统计概览（总数、大小、分类数）
    • 分类目录树（可视化结构）
    • 高频关键词标签云
    • 文档详细索引（按分类组织的文件清单）

2. 增量更新

将新文档放入 update/ 目录后，运行增量更新：

  • 安全确认：同样需要先确认文档已脱敏
  • 检测新增/变更文档
  • 检测不支持的格式：列出非 .docx/.xlsx 文件并提示跳过
  • 仅转换未转换或已修改的文件
  • 更新知识库概要与索引

3. 检索与问答

支持以下检索方式：

  • 全文检索：在 MD 文档中搜索关键词
  • 分类检索：按文档分类查找
  • 语义问答：基于文档内容回答用户问题

使用方式

初始化知识库

使用 dochub 技能，初始化文档知识库

或指定工作区：

使用 dochub 技能，初始化 [指定路径] 的文档知识库

增量更新

使用 dochub 技能，增量更新文档

检索文档

使用 dochub 技能，检索 [关键词]

问答

使用 dochub 技能，回答：[问题]

目录结构

workspace/
├── raw/                        # 原始文档存放目录
├── _docs_md/                   # MD 文档输出目录
├── _docs_knowledge_base.md     # 知识库概要与索引（合并文档）
└── update/                     # 增量更新目录

依赖工具

  • markitdown 0.1.5+：MD 转换核心工具
  • python-docx：Word 文档处理
  • openpyxl：Excel 文档处理

注意事项

  1. 格式限制：dochub 仅支持 .docx 和 .xlsx 格式，其他格式（.doc/.xls/.pdf/.pptx 等）将被跳过并提示用户
  2. 安全确认：每次初始化或增量更新前，必须确认文档已脱敏
  3. 备份原始文档：初始化会修改文件名和目录结构，建议提前备份
  4. 跳过/覆盖选择：首次遇到重复文件时会询问，后续自动应用该选择
  5. 原始文档保留：转换后保留原始文档作为备份
More in Automation