核心用法
Reader 是一款秉持「本地优先」理念的文本处理引擎，专为需要高效消化大量文字内容的用户设计。其核心工作流程围绕五条脚本展开：
1. 文本读取（read_text.py）：标准化解析 Markdown、HTML、JSON 等文本格式，将其转换为结构化的可读内容；
2. 智能摘要（summarize.py）：支持多种摘要风格（如 executive 高管风格），将长篇内容压缩为精准概要；
3. 精要提取（extract_brief.py）：不仅生成摘要，更进一步提取关键论点、待办事项与开放性问题，形成可执行的阅读简报；
4. 文档对比（compare_texts.py）：支持两份文本的逐行或语义级差异分析，适用于合同修订、报告迭代等场景；
5. 存储初始化（init_storage.py）：在本地建立数据目录，所有历史记录均保存于 ~/.openclaw/workspace/memory/reader/history.json。
用户仅需指定文件路径即可触发处理，无需配置 API 密钥或网络环境，真正实现「开箱即用」的零摩擦体验。
显著优点
极致隐私安全：100% 本地运行，无网络请求、无云端同步、无第三方服务介入，敏感文档无需离机即可处理，满足高保密场景需求。
零依赖轻量架构：完全基于 Python 3 标准库实现，拒绝任何外部 pip 包，从根本上消除供应链攻击风险，安装与维护成本趋近于零。
透明可控的数据策略：存储路径公开声明，用户可完全掌控自己的阅读历史，支持随时查看、备份或删除本地数据，符合 GDPR 数据最小化原则。
聚焦行动的设计哲学：区别于传统「仅摘要」工具，Reader 强调提取「决策、行动与问题」，输出结果可直接转化为任务清单或会议纪要的素材。
多格式兼容性：原生支持 plain text、Markdown、HTML、JSON 等常见文本格式，覆盖技术文档、网页存档、API 响应等多种来源。
潜在缺点与局限性
功能边界明确：作为纯文本处理工具，Reader 无法解析 PDF 扫描件、Office 二进制格式或图片中的文字，需用户预先转换为文本格式。
无跨设备同步机制：本地优先架构意味着历史记录与处理结果不会自动同步至其他设备，多终端用户需手动迁移 history.json 文件。
无高级 NLP 能力：依赖规则与启发式算法进行摘要和提取，相比云端大模型方案，对复杂语义、隐喻或领域专业术语的理解可能受限。
性能天花板可见：超大文件（如数百万字日志）处理时可能受限于单机内存与 Python 执行效率，建议增加文件大小限制提示。
适合的目标群体
- 隐私敏感型用户：律师、记者、安全研究员等需处理保密文档，拒绝云端处理的职业群体；
- 离线环境工作者：军工、金融内网、航空等网络受限场景下的知识工作者；
- 极简工具爱好者：反感臃肿 SaaS 订阅，追求「一个脚本解决一个问题」的开发者与效率极客；
- 批量文档处理者：需要快速对比合同版本、提取会议纪要、生成周报摘要的行政与项目管理岗；
- 合规驱动型组织：受数据本地化法规约束的企业，需确保文本处理全流程可控可审计。
使用风险
常规性能风险：处理极端大文件（>100MB）时可能出现内存占用过高或响应延迟，建议增加文件大小校验与分块处理机制。
数据持久化风险：本地存储虽透明，但若用户误删 history.json 或遭遇磁盘故障，历史记录将不可恢复，重要摘要建议主动备份。
格式转换前置成本：非文本源文件需借助外部工具（如 pdftotext、pandoc）预处理，形成隐性的工具链依赖。
扩展性受限：若未来需求涉及多语言翻译、语音朗读或协作共享，当前架构需较大重构，用户应评估长期需求匹配度。