origin-office · 原生文档的本象
一份红头文件交给 AI，它看到的是被 OCR 或文本框切割后的碎片。 可这份 docx 里明明写着「第一章、第五十条、Q112 表、合并单元格」—— 原生电子文档的结构是无损的，行业却把它当成扫描件来猜。 这个 skill 把 docx/pptx 导入本象包，让章、条、表、幻灯片都变成可锚定、可验证的对象。
安装
# 本象协议仓库
git clone https://github.com/dongsheng123132/2origin.git
cd 2origin
# 验证
npm run test:office # 20 项断言（docx + pptx 合成夹具 + 统一 CLI 建包/验证/篡改检出）
用
# 统一 CLI：docx/pptx → 本象包（转换即语义事务）
node adapters/office/cli.mjs import 文件.docx report.origin --name "报告名"
node adapters/office/cli.mjs import 演示.pptx deck.origin
# 只看结构，不建包
node adapters/office/cli.mjs inspect 文件.docx
# 验证：重算源文件哈希与包内指纹比对（文档被改过即检出）
node adapters/office/cli.mjs verify report.origin 文件.docx && echo 一致
# 传统用法：docx → markdown（章→##、条→###、表→GFM 管道表）
node adapters/office/import.mjs 文件.docx 输出.md
node adapters/office/import.mjs 文件.docx --json
转换出的对象
- docx：
par:*（段落，带 chapter/article 锚点）、tbl:*（表格，合并展开后的行列网格） - pptx：
sldNN-shp*（形状，带 placeholder 类型 title/subTitle/body）、sldNN-tbl*（表格） - 每个包带事实对象：
fact:structure-hash（SHA-256 结构指纹）、fact:stats
建包后可用本象协议 CLI 读：
node compiler/cli.mjs status report.origin # 包概览
node compiler/cli.mjs why report.origin par:0003.text # 这个值凭什么是这个值
node compiler/cli.mjs history report.origin # 所有改动
可验证性（与扫描件路线的本质区别）
| PDF 扫描件路线（MinerU/Docling/LlamaParse） | 本象（原生 docx/pptx） | |
|---|---|---|
| 输入 | 扫描件/PDF，物理误差封顶 | 原生电子文档，结构无损 |
| 表格 | OmniDocBench TEDS≈0.78，中文更低 | 合并单元格按 gridSpan/vMerge 展开，逐格可锚定 |
| 可验证 | 无（输出即终态） | 转换=事务，结构指纹入库，verify 可复查 |
验证
npm run test:office # 20 项：docx 结构还原 11 + pptx 解析 5 + 统一 CLI 建包/指纹/篡改检出 4
真实案例：海事局《船员培训和船员管理质量管理规则》2019 红头文件 → 409 个结构对象（6 章/77 条/16 表/59 勾选），verify 一致。
相关
- 本象协议（benxiang-protocol）：持久对象表示层 + 语义事务 + 证据链。
- xlsx 方言：电子表格（公式依赖图）有独立导入器 adapters/xlsx/。