resource-to-markdownlisted

# resource-to-markdown Skill ## 何时触发 - 用户给一个任意格式文件，要求转成 markdown - 用户要"消化一本书/PDF/视频"且没有现成 markdown - Loom 的 DIGEST 流程第 0 步需要前置转换时 - 批量处理 sources/<领域>/ 下的资源 ## 核心承诺 - **任意格式**：PDF（文本型 + 扫描型）、EPUB、视频/音频、HTML、docx/pptx、markdown/txt - **最佳质量**：按格式选最佳引擎（pymupdf/docling/rapidocr/pandoc/markitdown/faster-whisper） - **最快速度**：文本型 PDF < 10s/100 页；扫描型 PDF OCR ~1s/页；视频转写 ~30s/分钟 - **最优成本**：全本地，零 API 费用；模型用本地缓存 - **成功率保证**：三层兜底 + harness 校验，失败时清晰报告"罕见情况" ## 用法 ```bash # 基础用法 python3.11 skills/resource-to-markdown/scripts/convert.py <input> --out-dir=<dir> # 指定音视频语言 python3.11 skills/resource-to-markdown/scripts/convert.py video.mp4 --out-dir=out --language=zh # 不切章节（只产出 raw.md） python3.11 skills/resource-to-markdown/scripts/convert.py file.pdf --out-dir=out --no-split # 自定义章节大小 python3.11 skills/resource-to-markdown/scripts/convert.py book.epub --out-dir=out --min=1000 --max=30000 ``` ## 输出 每个文件产出 3 类输出到 `<out-dir>/`： ``` <stem>.raw.md # 原始转换（完整 markdown） <stem>.quality.json # 质量报告（引擎/字数/校验结果/警告） ch01.md, ch02.md, ... # 按章节切分（默认切，--no-split 跳过） ``` `quality.json` 关键字段： ```json { "status": "ok|ok_with_warnings|quality_failed|convert_failed", "convert": {"engine": "...", "chars": ..., "strategy": "..."}, "raw_summary": {"passed": ..., "failures": [...]}, "unit_summary": {"passed": ..., "failures": [...]}, "warnings": [...], "duration_sec": ... } ``` ## 路由策略（按扩展名 + 内容） | 格式 | 主引擎 | 兜底 | |---|---|---| | `.md`/`.txt` | 直接复制（去 BOM、统一换行） | - | | `.pdf`