核心功能与用法
Doc-Process 是一款多合一文档智能处理技能，覆盖文档处理全流程需求：
| 功能模块 | 典型场景 | 实现方式 |
|---------|---------|---------|
| **文档分类器** | 自动识别上传文档类型 | Claude 原生视觉分析 |
| **表单自动填充** | PDF/图片表单字段识别与填写建议 | Claude 视觉读取 + 输出填充表 |
| **合同分析器** | 风险条款识别、红旗标记 | Claude 规则匹配分析 |
| **票据扫描** | 收据/发票信息提取、费用记录 | Claude 视觉识别 |
| **银行账单分析** | 订阅检测、异常交易、税务抵扣识别 | PDF用Claude视觉，CSV用纯标准库脚本 |
| **简历解析** | 结构化提取教育、工作、技能信息 | Claude 原生读取 |
| **证件扫描** | 护照/身份证MRZ码解码与信息提取 | Claude 视觉 + ICAO算法 |
| **医疗记录摘要** | 检验报告、处方、出院小结提炼 | Claude 原生读取 |
| **法律脱敏** | PII分级脱敏（轻/标准/完整模式） | 文本用Claude标记，文件输出用pymupdf/Pillow |
| **会议纪要提取** | 会议记录摘要、行动项提取 | Claude 分析文本/PDF |
| **表格提取** | PDF表格转CSV/JSON | pdfplumber脚本辅助 |
| **文档翻译** | 多语言文档翻译 | Claude 多语言能力 |
| **文档扫描优化** | 照片透视校正、去畸变、扫描效果 | OpenCV脚本辅助 |
| **音频转录** | 会议录音转文字 | openai-whisper + ffmpeg |
显著优点
1. 隐私优先架构：核心功能（OCR、文档分析、合同审查、翻译等）完全基于Claude原生多模态能力，零外部依赖，文档内容仅在当前会话本地处理，不上传、不存储、不索引
2. 分级脱敏机制：PII脱敏支持文本标记预览和文件级黑条覆盖两种模式，敏感数据不残留
3. 时间线日志可选：采用显式同意机制（opt-in），摘要仅记录类别级信息，不含任何个人数据
4. 依赖透明：所有第三方库（仅5个脚本需要）均在文档中完整声明，无隐藏网络调用
5. 无遥测设计：零分析上报、零回连行为
局限性与注意事项
| 场景 | 限制说明 |
|-----|---------|
| 音频转录 | 首次运行需下载~140MB模型文件，依赖外部网络 |
| 表格提取 | PDF复杂布局表格可能识别不完整 |
| 图像脱敏 | 依赖pytesseract，需额外安装Tesseract OCR引擎 |
| 大文件处理 | 10页以上PDF需分页读取，处理时间较长 |
| 法律合规性 | 合同分析、医疗摘要等输出需人工复核，不可替代专业意见 |
适合人群
- 个人用户：快速处理银行账单、整理票据、填写表单、翻译文档
- 中小企业：合同初筛、简历批量处理、会议纪要整理
- 隐私敏感场景：本地脱敏处理含身份证、病历等敏感信息的文档
- 开发者/技术用户：可通过纯标准库脚本扩展自定义流程
常规风险
- AI分析局限性：合同风险识别、医疗摘要等存在漏判或误判可能，重要决策需人工复核
- 脚本依赖风险：
redactor.py、table_extractor.py、audio_transcriber.py、doc_scanner.py依赖第三方库，需确认信任来源后安装 - 模型下载风险：whisper首次运行从OpenAI/HuggingFace服务器下载模型，虽经广泛验证，但敏感环境需评估
- 权限管理：文件脱敏输出需用户显式确认路径，避免误覆盖原文件
使用建议
优先使用零依赖的核心功能处理敏感文档；涉及文件修改的操作（脱敏输出、表格提取）建议先备份原文件；音频转录、复杂PDF表格处理等场景提前确认依赖安装状态。