前言¶
审计底稿、扫描件、混排 PDF 和网页摘录里往往夹着表格和正文，手工复制到 Excel 或 Word 既慢又容易错列错行。通用对话模型可以帮忙改写，但对「按固定表头落盘」「跨页表格对齐」这类任务，缺少专门步骤时结果不稳定。下面介绍 SkillHub 社区技能「数据处理」（@user_60000197/data-extraction），面向从多种文件与页面来源抽取文字与表格，并整理成规范办公文档的场景。
这是什么¶
「数据处理」是 SkillHub 上的数据提取及整理技能，坐标 @user_60000197/data-extraction，当前版本 1.0.0，来源为 community，分类 data-analysis，发布者为 user_60000197（SkillHub 页面标注作者为车亮）。技能标签标明 requires_api_key=false，安装后不要求额外配置 API Key。
官方简介将其定位为：当需要从图片/扫描件（OCR）、PDF、Word、Excel/CSV、网页等来源提取文字与表格数据，并整理为规范的 Excel 表格或 Word 文档（如审计报告、问题清单、整改台账、取证表）时使用；适用于内部审计、文档数字化、台账建立与数据清洗等场景。
- SkillHub 页面：https://www.skillhub.cn/skills/user_60000197/data-extraction
- API 索引地址：https://api.skillhub.cn/user_60000197/data-extraction
核心功能¶
以下能力均来自官方简介，未在页面单独展开的实现细节不在此延伸。
- 多格式输入：支持图片与扫描件（经 OCR）、PDF、Word、Excel/CSV、网页等来源。
- 结构化输出：将提取结果整理为规范的 Excel 表格或 Word 文档。
- 业务文档形态：官方举例包括审计报告、问题清单、整改台账、取证表等台账类、报告类成品。
- 场景覆盖：内部审计、文档数字化、台账建立、数据清洗。
Skill 本体遵循通用 SKILL.md 格式，由 Agent 在匹配任务时加载技能说明并按其中流程协作完成提取与整理。
安装与启用¶
通过 SkillHub 页面提示安装¶
SkillHub 给出的安装提示为：先阅读安装文档，再安装指定坐标技能。可将下面整段发给已支持 Skill 的 AI，由其按文档完成安装：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_60000197/data-extraction`。
使用 skillhub CLI（推荐路径）¶
安装文档要求：安装技能时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认装到 ./skills/ 可能不会被识别。
1、检查是否已安装 CLI：
command -v skillhub && skillhub --version
2、若未安装，可按文档执行完整安装（含 CLI 与默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅安装 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
3、将技能安装到对应客户端的 skills 目录（将 <skills 目录> 换成你当前环境的路径）：
skillhub install user_60000197/data-extraction --dir <skills 目录>
安装文档列出的常用路径包括：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
其他客户端（Windsurf、Gemini CLI 等）路径见 https://skillhub.cn/install/skillhub.md 第四节。安装后若 Agent 未立即识别新技能，可按所用客户端说明重启或刷新技能列表。
典型用法¶
官方页面未提供逐步截图或固定 prompt 模板，用法与简介中的任务描述一致，可按下面方式复现一类工作流。
1、在 Cursor 等已启用该 Skill 的对话中，说明来源类型（例如 PDF、扫描图片、Word、网页 URL）并附上文件或链接。
2、说明目标形态：需要 Excel（表头字段、 sheet 划分）或 Word（章节、清单样式），并引用官方举例中的文档类型（问题清单、整改台账、取证表等）作为结构参考。
3、要求 Agent 按「数据处理」技能流程完成提取、去重与字段对齐，输出可编辑的 .xlsx 或 .docx（或先给出表格预览再落盘）。
4、对 OCR 或复杂版式，在对话中补充「以表格列为准」「合并单元格如何处理」等约束，减少二次手工改表。
经过上面的步骤，技能的价值在于把「多源抽取 + 规范落盘」收敛到同一套 Skill 指引，而不是每次从零描述格式要求。
适用场景与注意¶
适合谁
- 内审、合规、档案数字化岗位：批量从扫描件、PDF 抽表建台账。
- 需要把网页或混合格式材料整理成统一 Excel/Word 模板的团队。
使用上的注意
- 评分与下载量以 SkillHub 为准（截至资料抓取：评分 100000，下载 3037）；页面展示的「安装」计数为 0，仅作平台统计参考。
- requires_api_key=false 表示技能元数据未声明依赖外部 API Key；具体运行仍取决于 Agent 与本机工具链（如是否可读本地文件、是否具备 OCR 能力）。
- 扫描件与拍照质量直接影响 OCR 效果；复杂合并单元格、跨页表需在对话里明确规则。
- 敏感材料请在符合单位数据分级与脱敏要求的环境中使用，避免将机密文件发往未授权模型服务。
结尾¶
「数据处理」把多源文档上的文字与表格提取，以及 Excel/Word 规范输出，写进一条可复用的 Agent Skill 路径；适合审计台账、整改清单、取证表等重复性整理工作。需要安装或更新时，以 SkillHub 官方页为准：
https://www.skillhub.cn/skills/user_60000197/data-extraction
