npm - botrun-horse - Versions diffs - 2.30.0 → 2.34.0 - Mend

botrun-horse 2.30.0 → 2.34.0

This diff represents the content of publicly available package versions that have been released to one of the supported registries. The information contained in this diff is provided for informational purposes only and reflects changes between package versions as they appear in their respective public registries.

Files changed (664) hide show

package/botrun-c/.claude/skills/docx-to-markdown/scripts/convert_docx.py DELETED Viewed

@@ -1,183 +0,0 @@
-#!/usr/bin/env python3
-# /// script
-# requires-python = ">=3.8"
-# dependencies = [
-#     "pypandoc_binary>=1.13",
-# ]
-# ///
-"""
-DOCX 轉 Markdown 處理器
-將 DOCX 文件轉換為 Markdown 格式，支援批次處理多個檔案。
-使用方式：
-# 單一檔案
-uv run convert_docx.py --input document.docx --output output/
-# 多個檔案
-uv run convert_docx.py --input a.docx b.docx c.docx --output output/
-# 整個目錄
-uv run convert_docx.py --input documents/ --output output/
-"""
-import argparse
-import sys
-from datetime import datetime
-from pathlib import Path
-import pypandoc
-def log_message(message: str) -> None:
-    """記錄處理訊息"""
-    timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-    print(f"[{timestamp}] {message}")
-def convert_docx_to_markdown(input_path: Path, output_path: Path) -> None:
-    """
-    將單個 DOCX 檔案轉換為 Markdown
-    Args:
-        input_path: 輸入 DOCX 檔案路徑
-        output_path: 輸出 Markdown 檔案路徑
-    """
-    log_message(f"轉換: {input_path.name}")
-    # 確保輸出目錄存在
-    output_path.parent.mkdir(parents=True, exist_ok=True)
-    # 使用 pypandoc 轉換，使用 markdown_strict 避免奇怪的格式
-    pypandoc.convert_file(
-        str(input_path),
-        'markdown_strict',
-        outputfile=str(output_path),
-        extra_args=['--wrap=none']  # 不自動換行
-    )
-    log_message(f"  已輸出: {output_path}")
-def collect_docx_files(input_paths: list) -> list:
-    """
-    收集所有要處理的 DOCX 檔案
-    Args:
-        input_paths: 輸入路徑列表（可以是檔案或目錄）
-    Returns:
-        DOCX 檔案路徑列表
-    """
-    docx_files = []
-    for input_path in input_paths:
-        if input_path.is_file():
-            if input_path.suffix.lower() == '.docx':
-                docx_files.append(input_path)
-            else:
-                log_message(f"跳過非 DOCX 檔案: {input_path.name}")
-        elif input_path.is_dir():
-            # 掃描目錄下的所有 DOCX
-            found = sorted(input_path.glob("*.docx"))
-            log_message(f"在目錄 '{input_path}' 找到 {len(found)} 個 DOCX")
-            docx_files.extend(found)
-        else:
-            log_message(f"警告：路徑不存在 '{input_path}'")
-    return docx_files
-def main():
-    parser = argparse.ArgumentParser(
-        description="DOCX 轉 Markdown 處理器：將 DOCX 文件轉換為 Markdown 格式"
-    )
-    parser.add_argument(
-        "--input", "-i",
-        type=Path,
-        nargs='+',
-        required=True,
-        help="輸入 DOCX 檔案或目錄（可指定多個）"
-    )
-    parser.add_argument(
-        "--output", "-o",
-        type=Path,
-        required=True,
-        help="輸出目錄"
-    )
-    args = parser.parse_args()
-    # 收集所有 DOCX 檔案
-    docx_files = collect_docx_files(args.input)
-    if not docx_files:
-        print("錯誤：找不到任何 DOCX 檔案")
-        sys.exit(1)
-    # 確保輸出目錄存在
-    output_dir = args.output
-    output_dir.mkdir(parents=True, exist_ok=True)
-    # 顯示處理資訊
-    print("=" * 60)
-    print("DOCX 轉 Markdown 處理器")
-    print("=" * 60)
-    log_message(f"找到 {len(docx_files)} 個 DOCX 檔案")
-    log_message(f"輸出目錄: {output_dir}")
-    print("-" * 60)
-    # 批次處理所有 DOCX
-    success_count = 0
-    error_count = 0
-    results_summary = []
-    for idx, docx_file in enumerate(docx_files, 1):
-        print(f"\n[{idx}/{len(docx_files)}] 處理: {docx_file.name}")
-        print("-" * 40)
-        # 輸出檔案路徑（根據 DOCX 檔名自動產生）
-        output_md = output_dir / f"{docx_file.stem}.md"
-        try:
-            # 轉換 DOCX
-            convert_docx_to_markdown(docx_file, output_md)
-            success_count += 1
-            results_summary.append({
-                'file': docx_file.name,
-                'status': 'success',
-                'output': output_md.name
-            })
-        except Exception as e:
-            error_count += 1
-            results_summary.append({
-                'file': docx_file.name,
-                'status': 'error',
-                'error': str(e)
-            })
-            log_message(f"錯誤：{e}")
-    # 顯示總結
-    print("\n" + "=" * 60)
-    print("批次處理完成")
-    print("=" * 60)
-    log_message(f"成功: {success_count} 個")
-    log_message(f"失敗: {error_count} 個")
-    print("-" * 60)
-    for item in results_summary:
-        status_icon = "✓" if item['status'] == 'success' else "✗"
-        if item['status'] == 'success':
-            print(f"  {status_icon} {item['file']} → {item['output']}")
-        else:
-            print(f"  {status_icon} {item['file']} - {item['error']}")
-    print("=" * 60)
-    if error_count > 0:
-        sys.exit(1)
-if __name__ == "__main__":
-    main()

package/botrun-c/.claude/skills/gcp-coord-ml-ocr/SKILL.md DELETED Viewed

@@ -1,133 +0,0 @@
----
-name: gcp-coord-ml-ocr
-description: 使用 GCP 上架設的座標感知機器學習 OCR API 將 PDF 或圖片轉換為文字 JSON
-allowed-tools: Bash
----
-# GCP 座標感知 ML OCR - 圖片/PDF 轉文字
-使用部署在 GCP 上的座標感知機器學習 OCR API 進行文字辨識，支援 PDF 和圖片輸入。
-## 功能特色
-- 支援 PDF 和圖片輸入（JPEG, PNG, BMP, TIFF）
-- PDF 自動轉換為多張圖片處理
-- 非同步 API 自動等待處理完成
-- 多頁結果整合為單一 JSON
-- 轉出的圖片保留供後續使用
-## 使用方式
-```bash
-uv run $OFFICIAL_SKILLS_DIR/gcp-coord-ml-ocr/scripts/ocr_processor.py \
-  --input <PDF_OR_IMAGE_PATH> \
-  --output <OUTPUT_JSON_PATH>
-```
-### 參數說明
-| 參數 | 縮寫 | 必填 | 說明 |
-|------|------|------|------|
-| `--input` | `-i` | 是 | 輸入 PDF 或圖片路徑 |
-| `--output` | `-o` | 是 | 輸出 JSON 檔案路徑 |
-| `--md` | | 否 | 同時輸出 Markdown 檔案（與 JSON 同名，副檔名為 .md） |
-### 範例
-**處理 PDF：**
-```bash
-uv run .claude/skills/gcp-coord-ml-ocr/scripts/ocr_processor.py \
-  -i data/test_cases/001/0.申請表.pdf \
-  -o data/test_results/001/0.申請表.json
-```
-**處理圖片：**
-```bash
-uv run .claude/skills/gcp-coord-ml-ocr/scripts/ocr_processor.py \
-  -i data/images/document.jpg \
-  -o data/output/document.json
-```
-**處理圖片並輸出 Markdown：**
-```bash
-uv run .claude/skills/gcp-coord-ml-ocr/scripts/ocr_processor.py \
-  -i data/images/document.jpg \
-  -o data/output/document.json \
-  --md
-```
-## 路徑規則
-| 輸入路徑包含 | 輸出目錄 |
-|-------------|---------|
-| `data/test_cases` | `data/test_results/{案例編號}/` |
-| 其他 | `data/2_產出結果/{專案}/` |
-## 輸出檔案
-處理完成後會產生：
-```
-data/test_results/001/
-├── 0.申請表.json           # OCR 結果 JSON
-└── [img]0.申請表/          # PDF 轉出的圖片（保留）
-    ├── 0.申請表_page_1.jpg
-    ├── 0.申請表_page_2.jpg
-    └── 0.申請表_page_3.jpg
-```
-## 輸出 JSON 結構
-```json
-{
-  "source_file": "申請表.pdf",
-  "file_type": "pdf",
-  "total_pages": 3,
-  "processed_at": "2026-01-13T12:00:00Z",
-  "pages": [
-    {
-      "page": 1,
-      "image_file": "申請表_page_1.jpg",
-      "ocr_result": {
-        "status": "succeeded",
-        "text": "頁面純文字內容...",
-        "lines": [
-          {
-            "text": "辨識的文字行...",
-            "boundingBox": [x1, y1, x2, y2, ...]
-          }
-        ]
-      }
-    }
-  ],
-  "full_text": "所有頁面合併的純文字"
-}
-```
-## API 說明
-使用座標感知 ML OCR API（非同步）：
-- **端點**: `https://app.botrun.ai/azure-ocr-api`
-- **提交**: POST `/vision/v3.2/read/analyze`
-- **取得結果**: GET `/vision/v3.2/read/analyzeResults/{operation-id}`
-- **等待機制**: 最多 4 次輪詢，每次間隔 15 秒
-## 支援的檔案格式
-| 格式 | 副檔名 |
-|------|--------|
-| PDF | .pdf |
-| JPEG | .jpg, .jpeg |
-| PNG | .png |
-| BMP | .bmp |
-| TIFF | .tiff, .tif |
-## 環境需求
-- Python 3.8+
-- 網路連線（需存取 API）
-- 使用 `uv run` 執行（自動安裝依賴）
----
-*Version: 1.1.0*

package/botrun-c/.claude/skills/gcp-coord-ml-ocr/scripts/ocr_processor.py DELETED Viewed

@@ -1,381 +0,0 @@
-#!/usr/bin/env python3
-# /// script
-# requires-python = ">=3.8"
-# dependencies = [
-#     "requests>=2.28.0",
-#     "pdf2image>=1.17.0",
-#     "Pillow>=10.0.0",
-# ]
-# ///
-"""
-GCP 座標感知 ML OCR Processor
-使用 GCP 上架設的座標感知機器學習 OCR API 將 PDF 或圖片轉換為文字 JSON
-使用方式：
-uv run ocr_processor.py --input <PDF_OR_IMAGE_PATH> --output <OUTPUT_JSON_PATH>
-"""
-import argparse
-import json
-import sys
-import time
-from datetime import datetime
-from pathlib import Path
-import requests
-# API 設定
-API_BASE = "https://app.botrun.ai/azure-ocr-api"
-ANALYZE_ENDPOINT = f"{API_BASE}/vision/v3.2/read/analyze"
-RESULTS_ENDPOINT = f"{API_BASE}/vision/v3.2/read/analyzeResults"
-# Polling 設定
-MAX_POLL_RETRIES = 4
-POLL_WAIT_SECONDS = 15
-# 支援的檔案格式
-IMAGE_EXTENSIONS = {'.jpg', '.jpeg', '.png', '.bmp', '.tiff', '.tif'}
-PDF_EXTENSIONS = {'.pdf'}
-def log_message(message: str) -> None:
-    """記錄處理訊息"""
-    timestamp = datetime.now().strftime("%Y-%m-%d %H:%M:%S")
-    print(f"[{timestamp}] {message}")
-def is_pdf(file_path: Path) -> bool:
-    """判斷是否為 PDF 檔案"""
-    return file_path.suffix.lower() in PDF_EXTENSIONS
-def is_image(file_path: Path) -> bool:
-    """判斷是否為圖片檔案"""
-    return file_path.suffix.lower() in IMAGE_EXTENSIONS
-def pdf_to_images(pdf_path: Path, output_dir: Path, dpi: int = 300, quality: int = 95) -> list:
-    """
-    將 PDF 轉換為多張圖片
-    Args:
-        pdf_path: PDF 檔案路徑
-        output_dir: 輸出目錄
-        dpi: 圖片解析度
-        quality: JPEG 品質
-    Returns:
-        輸出圖片路徑列表
-    """
-    from pdf2image import convert_from_path
-    log_message(f"開始轉換 PDF: {pdf_path.name}")
-    # 創建輸出目錄
-    output_dir.mkdir(parents=True, exist_ok=True)
-    # 轉換 PDF 為圖片
-    pages = convert_from_path(pdf_path, dpi=dpi)
-    total_pages = len(pages)
-    log_message(f"PDF 共 {total_pages} 頁")
-    output_files = []
-    for i, page in enumerate(pages, 1):
-        output_path = output_dir / f"{pdf_path.stem}_page_{i}.jpg"
-        page.save(output_path, 'JPEG', quality=quality)
-        output_files.append(output_path)
-        log_message(f"  已保存第 {i} 頁: {output_path.name}")
-    return output_files
-def submit_ocr_request(image_path: Path) -> str:
-    """
-    提交 OCR 請求
-    Args:
-        image_path: 圖片檔案路徑
-    Returns:
-        operation_id
-    """
-    log_message(f"提交 OCR 請求: {image_path.name}")
-    with open(image_path, 'rb') as f:
-        image_data = f.read()
-    response = requests.post(
-        ANALYZE_ENDPOINT,
-        headers={'Content-Type': 'application/octet-stream'},
-        data=image_data
-    )
-    if response.status_code != 202:
-        raise RuntimeError(f"OCR 請求失敗: {response.status_code} - {response.text}")
-    # 從 header 取得 operation-location
-    operation_location = response.headers.get('operation-location', '')
-    if not operation_location:
-        raise RuntimeError("無法取得 operation-location")
-    # 從 URL 中提取 operation_id
-    operation_id = operation_location.split('/')[-1]
-    log_message(f"  Operation ID: {operation_id}")
-    return operation_id
-def poll_ocr_result(operation_id: str) -> dict:
-    """
-    輪詢 OCR 結果
-    Args:
-        operation_id: 操作 ID
-    Returns:
-        OCR 結果
-    """
-    result_url = f"{RESULTS_ENDPOINT}/{operation_id}"
-    for attempt in range(1, MAX_POLL_RETRIES + 1):
-        log_message(f"  輪詢結果 (第 {attempt}/{MAX_POLL_RETRIES} 次)...")
-        response = requests.get(result_url)
-        if response.status_code != 200:
-            raise RuntimeError(f"取得結果失敗: {response.status_code} - {response.text}")
-        result = response.json()
-        status = result.get('status', '')
-        if status == 'succeeded':
-            log_message(f"  OCR 處理完成")
-            return result
-        elif status == 'failed':
-            raise RuntimeError(f"OCR 處理失敗: {result}")
-        else:
-            # running 或 notStarted
-            if attempt < MAX_POLL_RETRIES:
-                log_message(f"  狀態: {status}，等待 {POLL_WAIT_SECONDS} 秒...")
-                time.sleep(POLL_WAIT_SECONDS)
-    raise TimeoutError(f"OCR 處理超時，已等待 {MAX_POLL_RETRIES * POLL_WAIT_SECONDS} 秒")
-def process_ocr_result(ocr_result: dict) -> dict:
-    """
-    處理 OCR 結果，提取文字和行資訊
-    Args:
-        ocr_result: 座標感知 ML OCR API 返回的結果
-    Returns:
-        處理後的結果
-    """
-    analyze_result = ocr_result.get('analyzeResult', {})
-    read_results = analyze_result.get('readResults', [])
-    lines = []
-    text_parts = []
-    for read_result in read_results:
-        for line in read_result.get('lines', []):
-            line_text = line.get('text', '')
-            bounding_box = line.get('boundingBox', [])
-            lines.append({
-                'text': line_text,
-                'boundingBox': bounding_box
-            })
-            text_parts.append(line_text)
-    return {
-        'status': ocr_result.get('status', ''),
-        'text': '\n'.join(text_parts),
-        'lines': lines
-    }
-def ocr_image(image_path: Path) -> dict:
-    """
-    對單張圖片進行 OCR
-    Args:
-        image_path: 圖片路徑
-    Returns:
-        OCR 結果
-    """
-    # 提交請求
-    operation_id = submit_ocr_request(image_path)
-    # 等待一下再開始輪詢
-    time.sleep(2)
-    # 輪詢結果
-    raw_result = poll_ocr_result(operation_id)
-    # 處理結果
-    return process_ocr_result(raw_result)
-def get_output_image_dir(output_path: Path, source_name: str) -> Path:
-    """
-    根據輸出路徑取得圖片輸出目錄
-    Args:
-        output_path: JSON 輸出路徑
-        source_name: 原始檔案名稱（不含副檔名）
-    Returns:
-        圖片輸出目錄
-    """
-    return output_path.parent / f"[img]{source_name}"
-def process_file(input_path: Path, output_path: Path) -> dict:
-    """
-    處理輸入檔案（PDF 或圖片）
-    Args:
-        input_path: 輸入檔案路徑
-        output_path: 輸出 JSON 路徑
-    Returns:
-        處理結果
-    """
-    source_name = input_path.stem
-    result = {
-        'source_file': input_path.name,
-        'file_type': 'pdf' if is_pdf(input_path) else 'image',
-        'total_pages': 0,
-        'processed_at': datetime.now().isoformat(),
-        'pages': [],
-        'full_text': ''
-    }
-    image_files = []
-    if is_pdf(input_path):
-        # PDF: 先轉換為圖片
-        image_dir = get_output_image_dir(output_path, source_name)
-        image_files = pdf_to_images(input_path, image_dir)
-    elif is_image(input_path):
-        # 圖片: 直接使用
-        image_files = [input_path]
-    else:
-        raise ValueError(f"不支援的檔案格式: {input_path.suffix}")
-    result['total_pages'] = len(image_files)
-    # 對每張圖片進行 OCR
-    all_texts = []
-    for i, image_file in enumerate(image_files, 1):
-        log_message(f"處理第 {i}/{len(image_files)} 頁...")
-        ocr_result = ocr_image(image_file)
-        page_result = {
-            'page': i,
-            'image_file': image_file.name,
-            'ocr_result': ocr_result
-        }
-        result['pages'].append(page_result)
-        all_texts.append(ocr_result.get('text', ''))
-    # 合併所有頁面文字
-    result['full_text'] = '\n\n'.join(all_texts)
-    return result
-def save_result(result: dict, output_path: Path, output_md: bool = False) -> None:
-    """儲存結果到 JSON 檔案，可選輸出 Markdown 檔案"""
-    output_path.parent.mkdir(parents=True, exist_ok=True)
-    # 儲存 JSON 檔案
-    with open(output_path, 'w', encoding='utf-8') as f:
-        json.dump(result, f, ensure_ascii=False, indent=2)
-    log_message(f"JSON 已儲存至: {output_path}")
-    # 若指定 --md，同時輸出 Markdown 檔案
-    if output_md:
-        md_path = output_path.with_suffix('.md')
-        full_text = result.get('full_text', '')
-        with open(md_path, 'w', encoding='utf-8') as f:
-            f.write(full_text)
-        log_message(f"Markdown 已儲存至: {md_path}")
-def main():
-    parser = argparse.ArgumentParser(
-        description="使用 GCP 座標感知 ML OCR API 將 PDF 或圖片轉換為文字 JSON"
-    )
-    parser.add_argument(
-        "--input", "-i",
-        type=Path,
-        required=True,
-        help="輸入 PDF 或圖片路徑"
-    )
-    parser.add_argument(
-        "--output", "-o",
-        type=Path,
-        required=True,
-        help="輸出 JSON 檔案路徑"
-    )
-    parser.add_argument(
-        "--md",
-        action="store_true",
-        help="同時輸出 Markdown 檔案（與 JSON 同名，副檔名為 .md）"
-    )
-    args = parser.parse_args()
-    # 驗證輸入檔案
-    if not args.input.exists():
-        print(f"錯誤：檔案不存在 '{args.input}'")
-        sys.exit(1)
-    if not args.input.is_file():
-        print(f"錯誤：'{args.input}' 不是檔案")
-        sys.exit(1)
-    if not (is_pdf(args.input) or is_image(args.input)):
-        print(f"錯誤：不支援的檔案格式 '{args.input.suffix}'")
-        print(f"支援的格式：PDF, JPEG, PNG, BMP, TIFF")
-        sys.exit(1)
-    # 顯示處理資訊
-    print("=" * 60)
-    print("GCP 座標感知 ML OCR Processor")
-    print("=" * 60)
-    log_message(f"輸入檔案: {args.input}")
-    log_message(f"輸出路徑: {args.output}")
-    log_message(f"檔案類型: {'PDF' if is_pdf(args.input) else '圖片'}")
-    print("-" * 60)
-    try:
-        # 處理檔案
-        result = process_file(args.input, args.output)
-        # 儲存結果
-        save_result(result, args.output, output_md=args.md)
-        print("-" * 60)
-        log_message(f"處理完成！共 {result['total_pages']} 頁")
-        print("=" * 60)
-    except Exception as e:
-        print(f"\n錯誤：{e}", file=sys.stderr)
-        sys.exit(1)
-if __name__ == "__main__":
-    main()