/pdf-organizer

变更日志

[0.6.0] - 2026-09-18

新增

• 页引用集合模型：所有 segment（pages 拆分 / input_file 复制 / source_items 合并）在执行前统一编译为「文件 + 页码」有序引用集合，拆/合/删/拼都只是引用运算，manifest 即引用表，确认执行前物理 PDF 一个字节不动。
• segment 新增 refs 字段：跨源页引用拼合成为一等操作，可从多份 PDF 各取若干页按序拼成一份新材料（如证据组合卷）。
• --validate-manifest：只做引用编译与覆盖审计，不写任何 PDF；检查文件存在、页码越界、孤儿页与重复引用页。
• 页覆盖审计（coverage_check，默认 warn，可 strict/off）：报告每个源文件的总页数、被引用页、孤儿页（未被任何段引用）与重复引用页（被多段引用）；strict 模式发现孤儿/重复直接终止，保证整份拆分"每页都被且仅被引用一次"。
• 新模块 scripts/pdf_page_refs.py：引用编译、覆盖审计、标签生成与统一执行器。
• handoff.json 每份文书新增 source_refs（归一化页引用）与 source_refs_label（人读标签，如 起诉状.pdf P5 + 证据卷.pdf P1-3），下游可做页级溯源。

改进

• resolved manifest 中每段新增 page_refs 与跨源页码标签（如 甲.pdf P1-2 + 乙.pdf P3），替代原合并段的 mixed 记录。
• 整文件单源段保留字节级复制快路径（不经 pypdf 重写，保留原文件全部字节与元数据）。
• 覆盖审计结果（模式/明细/发现）写入 organize_manifest.resolved.json 与报告，随 run 归档可审计。

技术优化

• 删除旧执行路径 split_pdf / merge_pdf_items / copy_pdf / parse_pages，统一由引用执行器消费；页码越界在编译期即报错，不再等到写出阶段。
• 旧格式 manifest（pages / input_file / source_items）完全兼容，无需迁移。

[0.5.0] - 2026-05-31

新增

• 将"单纯重命名"纳入核心场景：对不需要拆分或合并的 PDF，直接根据内容识别结果规范命名。
• SKILL.md 定位、输入、工作流程和 Manifest 部分补充重命名场景说明和示例。
• references/organize-manifest-schema.md 新增重命名示例。

改进

• 核心职责从 6 条扩展为 7 条，明确"拆分、合并、重命名"三种操作模式。
• frontmatter description 新增"重命名"关键词。

[0.4.2] - 2026-05-31

改进

• suggested_downstream 从具体 Skill 名称改为按文书类别的路由标签（合同审查、诉讼分析、材料整理、复核），下游消费方根据标签和当前上下文自行映射。
• recommended_next_steps 同步去除具体 Skill 名称，改为描述性建议。
• SKILL.md 下游交接章节重写，明确标签路由策略。

[0.4.1] - 2026-05-29

新增

• 新增 handoff.json 归档输出，面向下游 Skill 暴露整理后的文书清单、类型、页码、主体、置信度和建议接力 Skill。

改进

• run_meta.json 增加 handoff_file，便于快速定位交接文件。
• SKILL.md 补充与 contract-copilot、litigation-analysis、legal-material-organizer、new-case 的协作流向。

[0.4.0] - 2026-05-29

新增

• 新增 --inspect 页面检查能力，输出每页文字量、疑似标题、页码、日期、主体候选、旋转状态和边界信号。
• 新增 --suggest-manifest 草稿生成能力，可基于页面检查结果生成待复核的 organize_manifest.json。

改进

• 将流程升级为“脚本先整理页面证据 + AI/人工复核 manifest + 脚本执行”，减少直接凭文件名或整篇文本判断边界的风险。
• 自动草稿默认保守使用 待确认 和 needs_review: true，避免把低置信度主体写入最终文件名。

[0.3.2] - 2026-05-29

新增

• 新增 PDF 文字层预检：脚本支持 --check-text-layer，并在默认 strict 模式下阻止对无可检索文字层的 PDF 做内容整理。
• manifest schema 新增 text_check 和 require_text_layer 字段，允许纯旋转/复制场景关闭文字层检测。

改进

• 在 SKILL.md 工作流程中明确：按内容拆分、合并和命名前，应先确认 PDF 已经由 PDF Processor 处理为双层 PDF。

[0.3.1] - 2026-05-29

改进

• 精简 SKILL.md frontmatter description，保留拆分、合并、命名、旋转、倾斜校正和排除项等核心触发边界。

[0.3.0] - 2026-05-29

新增

• Skill 正式更名为 pdf-organizer，定位从“PDF 拆分重命名”扩展为“法律 PDF 文书整理”。
• 新增按内容合并能力：manifest 支持 source_items / input_files，可把被拆散的同一份文书恢复成一个 PDF。
• 新增轻量方向预处理能力：manifest 支持 rotate，可对输出 PDF 做 90/180/270 度旋转。
• 新增可选倾斜校正能力：manifest 支持 deskew，在系统安装 ocrmypdf 时可执行轻量 deskew。
• 脚本更名为 scripts/pdf_organizer.py，archive 输出改为 organize_manifest.input.json、organize_manifest.resolved.json 和 organize_report.md。
• 参考文档更名为 references/organize-manifest-schema.md，补充拆分、合并、旋转字段说明。

改进

• 明确本 Skill 与 PDF Processor 的边界：本 Skill 聚焦文书逻辑整理，复杂 OCR、压缩、裁边和图像增强仍交给 PDF Processor。

[0.2.2] - 2026-05-29

改进

• 默认文件名分隔符从下划线改为空格；脚本会将建议文件名中的下划线规范化为空格。
• 同名冲突后缀从 _1、_2 改为 1、 2。
• 将起诉状表格版本表述调整为“要素式起诉状”，文件名末尾使用“要素式”。

[0.2.1] - 2026-05-29

改进

• 明确合同类文件命名的主体选择规则：优先写客户、相对方和案由/法律关系，不默认写我方律所或承办律师。
• 更新委托代理合同命名示例，推荐 委托代理合同 客户与相对方 案由.pdf。

[0.2.0] - 2026-05-29

新增

• 新增 archive/ 机制：执行后自动创建 archive/YYYYMMDD_HHMMSS_{来源名}/，保存输入 manifest、resolved manifest、执行报告和运行元数据。
• 新增 --archive-root 参数，允许覆盖归档根目录。
• 新增 archive/.gitignore 和 .gitkeep，默认忽略运行归档内容。

改进

• 交付目录默认只输出最终 PDF，不再写入 JSON、manifest 或运行报告。

[0.1.1] - 2026-05-29

改进

• 调整默认命名规则：不再默认添加顺序号，优先使用“文书名称_关键主体_补充区分”。
• 新增 references/recognition-rules.md，沉淀合同、授权委托书、律师事务所函、普通版民事起诉状、要素式民事起诉状等基础识别规则。
• 明确同为“民事起诉状”的多个版本要根据版式和用途继续区分，不能只因标题相同而合并。

验证

• 使用桌面示例 20260529145736_已处理.pdf 完成 16 页总 PDF 的按内容拆分测试，输出 6 份 PDF。

[0.1.0] - 2026-05-29

新增

• 新增 pdf-split-renamer 私有 Skill，聚焦 OCR 后合并 PDF 的内容拆分与规范命名。
• 新增 scripts/split_and_rename.py，支持按 manifest 从整份 PDF 拆页，或复制已拆分 PDF 并重命名。
• 新增 references/manifest-schema.md，定义 split_manifest.json 顶层字段和 segment 字段。
• 新增技能级 TASKS.md、DECISIONS.md、LICENSE.txt。

改进

• 将该流程从通用 PDF 处理与案件材料整体整理中拆出，先以私有 Skill 方式验证。

待办事项

• 使用真实但脱敏的 OCR PDF 验证命名规则和边界识别流程。
• 评估后续是否并入 PDF 处理工具的 OCR 后处理阶段。