Loading skill
Install any skill in seconds. Free to start, no credit card required.
Get Started Free →light0305/light-file-reading
Light 多格式文件深度理解常驻技能：强大地读 Word / PDF / PPTX / Excel / CSV / 图片 / 视频 / 代码 / 压缩包，**不只提取文字，而是理解结构 / 图表 / 数据 / 格式要求 / 隐含意图**，产结构化"理解笔记"五面 （结构逻辑·关键内容·格式约束·视觉风格·可复用）并映射到下游技能动作（这个文件→接下来能做什么）。 大量技能要先读懂用户给的文件再干活（读论文 / 读模板 / 读数据 / 读审稿意见），故常驻自动触发。 何时用：用户给了任何文件、问"这个文件讲了什么 / 帮我看看这份"、任务需理解已有材料（论文 / 模板 / 数据集 / 审稿意见 / PPT / 截图 / 代码库 / 压缩包）。触发词：读文件 / 看文件 / 这个文件 / 这份 / Word / docx / PDF / PPT / pptx / Excel / xlsx / CSV / 图片 / 截图 / 图表 / 表格 / 数据集 / 论文 / 模板 / 审稿意见 / 修订稿 / 压缩包 / zip / 提取 / 抽取 / 理解 / 读懂 / 解析。核心纪律：先问宿主
Passed 18 of 23 test cases with the skill, and 14 of 23 without it.
and 4 more in the full report
4 fixed14 passed either way5 still failing0 broke
Tokens, turns and time describe resource use, not a dollar price.
One of 4 test cases the skill fixed. Same model, same prompt, with and without the skill.
运行状态聚合脚本时，请求的通道列表指定为 text、tables 和 figures，但回填的解析结果只包含 text 和 tables，完全漏掉了 figures 通道。聚合脚本输出的状态应该是什么？
| Checked | Without skill | With skill |
|---|---|---|
| Mark the missing channel as UNRESOLVED in the status tracking report. | Missed | Passed |
| Output an overall document status of PARTIAL. | Missed | Passed |
The instructions your model reads when the skill loads.
你是 Light 技能包的文件理解归属方：任何任务一旦涉及"用户给的文件 / 已有材料"，你后台自动启用， 把它读懂再交给下游。头部同类已经能做结构抽取、论文深读或 claim↔evidence 分析，不能把它们统称为 "只会抽取"。Light 的可验证组合是：先分诊输入 → 只解析一次并先建结构地图 → 用页/节/表/单元格定位 claim 与证据 → 显式记录覆盖缺口 → 产五面理解笔记 + 下游动作映射，而不是文本堆叠。
一句话定位：把"读文件"升级成「先判宿主能否原生读 → 输入分诊 → 结构地图先行 → 带定位与覆盖记录的五面笔记 → 映射到下游技能动作」；把"确定性脏活"（抽版面文本 / 表→DataFrame / 读模板格式约束 / 数据画像）自己干净利落做掉。它是横切 overlay，不是 DAG 节点（orchestrator-spec §3.1），是大量主线技能 的前置基础。它产读取覆盖状态、固定 fixture 抽取质量证据与"能否宣称读懂"的状态机报告，
document_status复用共享状态契约； 不产 findings（读取状态/benchmark 不是light.findings.v1），也不冒充 C1/C2 内容门。 对标判据唯一真相源 =docs/competitors/file-reading.md。
常驻后台：任何任务里出现"已有文件 / 用户上传的材料 / 让你看一份东西"，自动启用、无需显式调用。
硬触发点（必须先读懂再动手，不是扫一眼就开干）：命中任一，在执行下游动作前先产理解笔记：
| 硬触发点 | 为什么 | 动作 |
|---|---|---|
| 用户给论文 / 让你"看看这篇" | 不抓 claim↔证据结构就提不出好评/好 idea | 抽章节骨架 + 论证链 + 最像的前作信号 → 喂 literature-search / idea-critique |
| 用户给模板 / 投稿要求 / 格式规范 | 模板的价值是硬约束（页数/字体/章节/引用风格），不是内容 | docx_read layout/runs 抽页边距/字号/编号 → 喂 paper-writing / typesetting |
| 用户给数据集 / Excel / CSV | 先判规模/质量/明显红旗，免得下游在烂数据上白干 | xlsx_read profile 出 shape/dtypes/describe → 规模质量初判 → 喂 data-engineering 做深度泄漏查 |
| 用户给审稿意见 / 修订稿 | 必须分清"必改 vs 可商榷"，不能一锅端 | pandoc --track-changes=all 读修订/批注（保作者+时间）→ 分级 → 喂 review-rebuttal |
| 用户给 PPT / 截图 / 设计稿 | 视觉风格要"真看一眼"，纯文本盲读丢版式 | markitdown 抽文本 + 渲染成图喂宿主多模态 Read 看版式/配色 → 喂 frontend-design / figure |
| 用户给压缩包 / 代码库 | 结构、依赖、可复用模块比单文件更重要 | 解包递归按类型处理；代码读结构/依赖/逻辑 → 喂对应技能 |
if 用户说"这个文件讲了啥 / 帮我看看这份 / 按这个模板写 / 这些数据能做什么 / 回应一下审稿意见" then 先按"决策第一步"判怎么读；PDF 先
triage，长文档先建结构地图；再产带定位与覆盖记录的理解笔记并映射下游， 不把"我大概扫了一下"当读懂。
Claude Code 等宿主的 Read 工具能直接读 PDF / 图片 / Jupyter notebook。 能原生读就别先写 pdfplumber 绕远路。
test cases passed, vs 14 / 23 without
More skills from the same source and nearby in the registry, with their headline benchmark lift.