WorkBuddy 批量文件分析与扫描件 OCR 建库

痛点

桌面「临时」文件夹堆满 Word / Excel / PPT / 扫描 PDF；要找资料靠翻目录，扫描件无法复制文字，手工整理要好几天。

做法

1. 授权 WorkBuddy 只读目标文件夹；用自然语言让它建三层记忆（用户级 ~/.workbuddy/MEMORY.md、项目级记忆、knowledge-base/ 资料库）。
2. 先做文件盘点（类型与数量），确认范围后再批量提取：在隔离环境装 python-docx / openpyxl / python-pptx / pdfplumber 等，对文档做只读文本提取与主题聚类。
3. 高价值文档复制（不改原件）入库，按主题分目录，并在索引页登记。
4. 对无文字层扫描 PDF：PyMuPDF 渲染成图 → RapidOCR（rapidocr-onnxruntime）识别 → 输出 Markdown；大批量可分批跑以控制积分。
5. 可选：用对话创建定时任务（技能更新检查、行业讯息收集等）。复杂整理建议 Craft；材料写作可先 Plan 再 Craft。

验收

• 源文件未被修改或删除（只读 + 复制入库）。
• 文档类文件有结构化摘要/主题聚类报告；扫描 PDF 有可读 OCR Markdown。
• 知识库目录与索引可检索；三层记忆文件存在且可被后续对话调用。

来源

腾讯云开发者社区实操：用 WorkBuddy 一天搭建个人知识库：170 个文件批量分析 + 196 页扫描件 OCR 全流程实战（金融从业者原创记录；发布于 2026-08-04）。官方能力说明见 WorkBuddy 简介。