/pdf-organizer

organize_manifest.json 说明

organize_manifest.json 是本技能的执行清单。AI 负责根据 OCR 内容填写清单，脚本只按清单执行拆分、合并、复制、旋转、倾斜校正和安全命名。

可先用 --inspect 生成页面检查索引，再用 --suggest-manifest 生成草稿。草稿中的 suggested_filename、parties、confidence 和 needs_review 必须由 AI/人工结合页面证据复核后再执行。

顶层字段

输出目录只保存最终 PDF。organize_manifest.input.json、organize_manifest.resolved.json、organize_report.md、handoff.json 和 run_meta.json 统一写入 archive 运行目录。

按内容拆分、合并和命名依赖 PDF 已有可检索文字层。默认 text_check: "strict" 会抽样检测来源 PDF；如果检测不到文字层，应先用 PDF Processor 生成双层 PDF。只有纯旋转、复制等不依赖内容判断的任务，才建议关闭文字层检测。

segment 字段

pages、input_file、refs、source_items / input_files 至少填写一个。优先级为：refs → source_items / input_files → input_file → pages。

所有形态在执行前都会编译为统一的页引用集合；--validate-manifest 可单独执行编译与覆盖审计（文件存在、页码越界、孤儿页、重复引用页），不写任何 PDF。

refs（跨源页引用拼合）

从多份来源 PDF 各取若干页，按数组顺序拼成一份输出：

[
  {"file": "/path/to/起诉状.pdf", "pages": "5"},
  {"file": "/path/to/证据卷.pdf", "pages": "1-3"},
  {"file": "/path/to/补充说明.pdf"}
]

与 source_items 的区别：source_items 表达"把同一份文书的碎片合并回去"；refs 表达"按内容需要从不同来源组页"，适用于证据组合卷、递交清单附件等场景。

source_items

source_items 可混合整份 PDF 和指定页码：

[
  {"file": "/path/to/起诉状 第1-2页.pdf"},
  {"file": "/path/to/起诉状 第3-4页.pdf", "pages": "1-2"}
]

完整示例

{
  "source_pdf": "/Users/example/Desktop/scan_ocr.pdf",
  "output_dir": "/Users/example/Desktop/organized",
  "notes": "OCR 后按文书内容整理",
  "segments": [
    {
      "id": "D001",
      "pages": "1-2",
      "suggested_filename": "专项法律服务合同 委托方简称.pdf",
      "title": "专项法律服务合同",
      "document_type": "合同",
      "parties": ["委托方简称"],
      "confidence": "high",
      "needs_review": false,
      "evidence": "第 1 页顶部标题显示为专项法律服务合同"
    },
    {
      "id": "D002",
      "source_items": [
        {"file": "/Users/example/Desktop/起诉状 第1-2页.pdf"},
        {"file": "/Users/example/Desktop/起诉状 第3-4页.pdf"}
      ],
      "suggested_filename": "民事起诉状 张三诉某公司 普通版.pdf",
      "title": "民事起诉状",
      "document_type": "民事起诉状",
      "confidence": "high",
      "needs_review": false,
      "evidence": "两份 PDF 标题一致且页码连续，应合并为同一份起诉状。"
    }
  ]
}

重命名示例

不需要拆分或合并，只对独立 PDF 做内容识别后规范命名：

{
  "output_dir": "/Users/example/Desktop/organized",
  "notes": "独立 PDF 重命名",
  "segments": [
    {
      "id": "D001",
      "input_file": "/Users/example/Desktop/scan_20260531_001.pdf",
      "suggested_filename": "民事起诉状 张三诉某公司 普通版.pdf",
      "title": "民事起诉状",
      "document_type": "民事起诉状",
      "confidence": "high",
      "needs_review": false,
      "evidence": "首页标题为民事起诉状，正文提及张三与某公司纠纷。"
    },
    {
      "id": "D002",
      "input_file": "/Users/example/Desktop/scan_20260531_002.pdf",
      "suggested_filename": "授权委托书 张三.pdf",
      "title": "授权委托书",
      "document_type": "授权委托书",
      "confidence": "high",
      "needs_review": false,
      "evidence": "首页标题为授权委托书，委托人张三。"
    }
  ]
}

每条 segment 只需要 input_file + suggested_filename，脚本会把文件复制到输出目录并使用新文件名。如需同时旋转或倾斜校正，在同一条 segment 中加上 rotate 或 deskew 即可。

复核规则

• confidence: low 或 needs_review: true 的 segment 不应被描述为已最终确认。
• --suggest-manifest 自动生成的 segment 默认需要复核；不要把 待确认 文件名直接作为最终交付名。
• 如果日期、主体、案号来自 OCR 模糊文本，优先省略，不要把不确定信息写进文件名。
• evidence 只保留短句，不保存完整客户材料全文。

handoff.json

handoff.json 面向下游 Skill，不替代 resolved manifest。它保留下游最常用字段：

documents[] 主要字段：