compliance-archive-claw

合规制度归档虾 — 企业法律文件、规章制度的数字档案管理。用于归档新制度文件、更新版本、标记废止、全文检索、导出文件清单。 触发场景：用户说"归档制度"、"归档文件"、"查询制度"、"制度更新"、"标记废止"、"合规检查"、"导出文件清单"、"版本管理"等。 支持输入：Excel/CSV 文件清单、自然语言描述、...

Security Scan

功能方向与描述一致，但实现与文档存在不匹配（例如声称的全文提取/解析未实现），且脚本直接将未转义的用户数据拼接进 SQL/命令中，存在注入和文件名处理风险；没有外部网络或凭据要求。

Purpose & Capability

技能名/描述与脚本功能总体一致（归档、版本管理、检索、导出），所需资源也保持本地：SQLite、文件复制、可选的 pdftotext/pandoc。问题是 SKILL.md 声称的“提取标题、章节、关键条款、生成摘要和关键词、支持 Excel/CSV 解析、全文检索索引”在脚本中的实现非常基础或缺失：脚本仅将文件复制并用文件名/type/version 生成 keywords，并未实现文档内容提取或 Excel/CSV 解析逻辑。

Instruction Scope

SKILL.md 指令期望读取/解析文件内容并建立全文索引，但 scripts/archive-document.sh 没有调用 pdftotext/pandoc，也未解析 Excel/CSV；全文检索依赖的 FTS 表被创建并有手动插入，但内容字段并未被实际填充。更重要的是，脚本通过字符串插值直接构建 SQL 语句（INSERT/UPDATE/SELECT），并在 search 中直接把用户的 --keyword 拼入 SQL WHERE 的 MATCH 子句，这会导致 SQL/FTS 注入和误处理含单引号或特殊字符的文件名/关键字。脚本还使用了环境变量 ARCHIVE_ROOT（在文档里有提及）和 USER（未在 requires.env 显示，但常见），这本身合理但未加以说明。

Install Mechanism

无安装规范（instruction-only + 脚本文件），没有下载远端代码或第三方包安装步骤，风险较低。但文档列出可选依赖 pdftotext、pandoc、sqlite3，脚本并不强制调用这些工具——如果用户补充实现全文抽取，会依赖本地二进制。

Credentials

不请求任何外部凭据或高权限环境变量；默认写入到用户家目录下的 ARCHIVE_ROOT（可被环境变量覆盖）。唯一隐含的环境依赖是 USER（用于记录 changed_by）和可选的 ARCHIVE_ROOT。总体访问范围与归档用途相称。

Persistence & Privilege

always: false，技能不会被强制常驻。脚本会在用户指定的 ARCHIVE_ROOT 下创建目录和 SQLite 数据库，这属于其预期功能，不修改其他技能或系统配置。

What to consider before installing

该技能看起来确实是一个本地归档/版本管理工具，但实现比文档保守许多且存在可利用的输入处理缺陷。注意以下几点： - 不要在生产/敏感环境直接运行：先在隔离账户或容器中测试。脚本会在用户主目录下写入文件和创建 SQLite 数据库。 - SQL/FTS 注入风险：scripts/archive-document.sh 通过字符串拼接将文件名、type、version、keyword 等直接写入 SQL，攻击者如果能上传或控制这些值可能导致查询注入或破坏数据库。安装前应修复：对所有插入/查询参数进行转义或改为使用参数化接口（例如用受信任的 sqlite 库在 Python/Go 中绑定参数，或在写入前清理/转义单引号和特殊字符）。 - 功能预期差异：SKILL.md 提到的“全文提取、章节/关键条款抽取、Excel/CSV 解析”并未在脚本中实现——如果你依赖这些功能，需自行实现或扩展脚本（并确保 pdftotext/pandoc 的安全使用和对扫描件/二进制文件的处理）。 - 文件权限与访问控制：脚本提示“敏感文件归档前确认访问权限设置”；请在归档目录上设置合适权限，并确保备份策略和删除策略符合合规要求。 - 建议改进：在插入 SQL 前使用严格的白名单/正则校验文件名和类型、对 keyword/search 输入进行过滤或限制搜索语法、把文档内容提取并把内容列以受控方式写入 FTS 表（并记录 provenance）。 如果你希望我，我可以： 1) 提出一个修补脚本示例，演示如何安全地绑定/转义 SQLite 参数； 2) 指导如何把 pdftotext 输出安全地写入 FTS 并实现 Excel/CSV 解析； 3) 或者生成一个更安全的实现建议清单供开发者参考。

合规制度归档虾

企业法律文件和规章制度的统一数字档案库。建立"永久记忆、随用随查"的制度管理体系。

工作流程

步骤 1：接收归档请求

提取关键元数据：文件名、类型、版本号、生效日期、适用范围。

• 结构化输入：读取 Excel/CSV 文件清单
• 自然语言输入：从描述中提取元数据，缺失字段向用户确认

步骤 2：文件预处理

• 识别文件格式（Word/PDF/Excel）
• 提取标题、章节、关键条款
• 生成摘要和关键词标签

步骤 3：版本管理

• 检查是否存在同名历史版本
• 新版本归档时，自动将旧版本标记为"已废止"
• 记录版本变更历史（时间、修订人、主要变更）
• 版本规则详见 references/version-control.md

步骤 4：分类归档

按文件类型自动分类，生成唯一档案编号（格式：REG-YYYY-NNN）。 分类体系详见 references/file-classification.md

步骤 5：建立索引

• 全文检索索引（文件名、关键词、条款内容）
• 关联相关文件（如《采购管理制度》关联《供应商管理办法》）

步骤 6：通知与日志

• 重要制度更新时，通知受影响人员（可选，需用户确认）
• 生成归档日志：操作人、时间、文件信息、档案编号

脚本工具

使用 scripts/archive-document.sh 执行归档操作：

# 归档新文件
./scripts/archive-document.sh archive \
  --file "员工手册v3.0.pdf" \
  --type "公司制度/人事制度" \
  --effective-date "2026-04-01"

# 全文检索
./scripts/archive-document.sh search --keyword "报销标准"

# 导出文件清单
./scripts/archive-document.sh export \
  --type "公司制度" --start-date "2023-01-01"

# 更新版本（自动废止旧版）
./scripts/archive-document.sh update-version \
  --file "员工手册v3.0.pdf" --old-version "v2.0"

脚本依赖：bash、pdftotext（PDF提取）、sqlite3（元数据存储）、pandoc（格式转换，可选）

存储结构

$ARCHIVE_ROOT/
├── 法律法规库/
├── 公司制度库/
│   ├── 人事制度/
│   ├── 财务制度/
│   ├── 业务制度/
│   ├── IT制度/
│   └── 安全制度/
├── 行业规范库/
├── 合同模板库/
└── archive.db  ← SQLite 元数据库

默认 ARCHIVE_ROOT=~/.compliance-archive，可通过环境变量覆盖。

输出格式

归档完成后，向用户返回：

• 档案编号（如 REG-2026-042）
• 归档路径
• 版本变更摘要（如有旧版被废止）
• 关键条款索引摘要

注意事项

• 仅支持 Word/PDF/Excel 文本格式，不支持扫描件/图片
• 文件需经人工审批后再归档，本工具不提供审批功能
• 敏感文件归档前确认访问权限设置