read

目的

PDFおよびWordドキュメントから構造化されたテキストコンテンツを抽出し、会話コンテキスト内で参照できるようにします。メタデータヘッダー付きのドキュメントページ/セクションのバッチ読み取りに対応しています。

実行方法

1. 入力の検証: ファイルパスをチェックし、サポートされている拡張子(.pdfまたは.docx)を確認します

   • ファイルが存在し、読み取り可能であることを確認する
   • ファイル拡張子を検証する
   • サポートされていない形式について、適切なエラーメッセージを表示する

2. コンテンツの抽出: ./scripts/extract-document.pyを実行してドキュメントを解析します

   • PDF: pypdfを使用してすべてのページからテキストを抽出する
   • DOCX: python-docxを使用して段落および表から抽出する
   • 構造情報を保持する

3. 結果の表示: ドキュメントメタデータとコンテンツサマリーを出力します

   • ファイル名と場所
   • ページ数(PDF)またはセクション数(DOCX)
   • 合計文字数
   • 抽出されたテキスト全文

委任

必須: このコマンドのフロントマターで定義されたエージェントを、それぞれの責務に対して常に呼び出してください。スキップ、置き換え、または直接シミュレートしないでください。

• zzaia-document-specialist — PDFおよびWordドキュメントからコンテンツを抽出し、構造化します

ワークフロー

sequenceDiagram
    participant U as User
    participant C as Command
    participant P as Python Hook
    participant F as File System

    U->>C: /capability:document:read --file <path>
    C->>C: Validate path and extension
    C->>P: Execute extraction hook
    P->>F: Open and read file
    F-->>P: File content
    P->>P: Parse by file type
    P-->>C: Extracted text + metadata
    C->>C: Format output with summary
    C-->>U: Content ready for context

受け入れ条件

• PDFファイルからページマーカー付きのすべてのテキストを抽出する
• DOCXファイルから段落および表をセクションマーカー付きで抽出する
• ドキュメントメタデータ(ファイル名、タイプ、項目数、文字数)を表示する
• 見つからないファイルを明確なエラーメッセージで処理する
• サポートされていない形式をフォーマットガイダンス付きで処理する
• 見つからない依存関係をインストール手順付きで報告する
• 出力は会話コンテキスト注入に適したプレーンテキストである

使用例

/capability:document:read --file ~/projects/report.pdf
/capability:document:read --file ./contract.docx
/capability:document:read --file /absolute/path/document.pdf --summary

出力

• ドキュメントメタデータヘッダー(ファイル名、タイプ、数、サイズ)
• ページ/表区切り付きの抽出されたテキスト全文
• 整理のためのセクションマーカー
• コンテキスト注入用のプレーンテキスト形式