核心功能
文档整理技能是一款专业的批量文档转换工具，核心解决旧版 Microsoft Office 格式（.doc/.xls/.ppt）与现代 Markdown 格式之间的无损转换问题。技能采用双引擎架构：LibreOffice 负责老旧格式的初步转换（.doc→.docx, .xls→.xlsx），Microsoft 的 MarkItDown 库负责最终结构化输出，确保标题层级、表格、样式、列表等元素完整保留。
显著优点
格式兼容全面：支持从 Office 97-2003 的 .doc/.xls 到现代 .docx/.xlsx/.pptx，甚至 PDF 的全谱系覆盖，单技能解决跨代际文档迁移难题。
批处理效率高：实测 1,000 个 .doc 文件约 30 秒完成，3,000 混合文件总量 10-12 分钟，吞吐量在消费级硬件上表现优异。
结构保真度强：不同于简单文本提取，明确承诺保留 H1-H6 标题层级、Markdown 表格、加粗/斜体、有序/无序列表，且中文无乱码（UTF-8 编码）。
工程化设计完善：递归目录扫描、原结构保持、错误自动记录不中断、临时文件管理、干运行（dry-run）预览等生产级特性齐全。
潜在局限
外部依赖刚性：必须预装 LibreOffice（~300MB）且版本 7.0+，Windows 需手动配置 PATH 或通过参数指定路径，部署门槛高于纯 Python 方案。
PDF 能力边界：MarkItDown 对文本型 PDF 效果优秀，但图片型 PDF 无 OCR 能力，扫描件需预处理。
实时性受限：依赖启动 LibreOffice 进程，不适合在线实时转换场景。
PPT 转换降级：PowerPoint 标注为"良好"而非"完美"，复杂排版可能存在损失。
适合人群
- 企业 IT/知识管理：历史文档数字化归档、构建可搜索知识库
- 开发者/技术写作者：批量迁移技术文档至 Git 友好格式
- 研究人员：整理 legacy 格式的数据集与报告
- 个人用户：长期积累的 .doc 资料整理为现代格式
常规风险提示
| 风险类型 | 说明 | 缓解措施 |
|---------|------|---------|
| 依赖失效 | LibreOffice 路径错误或版本不兼容 | 首次运行检测路径，提供 `--soffice-path` 手动指定 |
| 转换失败 | 源文件损坏或加密 | 错误日志记录，自动跳过继续处理 |
| 格式损失 | 复杂排版、宏、嵌入式对象 | 明确适用范围，复杂文档建议人工复核 |
| 临时文件残留 | 大批量处理产生中间文件 | 配置 `--temp-dir` 定期清理 |
| 权限问题 | 系统目录或受保护文件 | 建议以管理员运行或调整目录权限 |