Office 文档处理（统一入口）

处理 Word / Excel / PowerPoint 文件的统一 skill。面向 Windows + Office 环境（COM 自动化是它独有的兜底能力），不预设任何机器装了哪些工具, , 动手前先探测环境，再按本文规则决策。非 Windows 或无 Office 的机器见文末降级方案。先按任务路由，细节在对应参考文档里。

任务路由

任务	路线	详情
读取/提取任何 Office 文档内容	按下方"读取路线怎么选"决策	本页
创建/编辑 Word 文档	docx-js（新建）/ unzip+XML（编辑）	reference/docx.md
创建/编辑 PowerPoint	pptxgenjs（新建）/ unzip+XML（编辑）	reference/pptx.md
创建/编辑 Excel	openpyxl / pandas	reference/xlsx.md
校验 docx/pptx/xlsx 输出	scripts/office/validate.py	各格式参考文档的 QA 节

读取路线怎么选（官方工具 vs Office COM）

原则：有环境就用官方的（输出质量更高），没有就用 COM 提取脚本。 先探测环境再动手：

where pandoc 2>/dev/null && echo HAS_PANDOC
python -c "import markitdown" 2>/dev/null && echo HAS_MARKITDOWN
python -c "import openpyxl" 2>/dev/null && echo HAS_OPENPYXL

格式	环境在（优先）	环境不在（退回 COM）
.docx	pandoc -t markdown file.docx, 输出带结构 markdown（标题层级、列表、表格），后续处理质量最高	extract_office_text.ps1, 纯文本，表格转制表符
.pptx	markitdown deck.pptx, 每页一块带 <!-- Slide number: N --> 标记	extract_office_text.ps1, 逐页文本 + [NOTES] 备注
.xlsx	markitdown file.xlsx 快速浏览；openpyxl/pandas 精确读（有单元格坐标，规划编辑必须用它）	extract_office_text.ps1, 逐 sheet 制表符纯文本，无坐标
.doc/.xls/.ppt（老格式）	官方工具也读不了（二进制）	COM 是唯一路径（或 COM 转新格式后再走官方工具）

补充判断：

• openpyxl/pandas 是 pip 一装就有的轻依赖（无需管理员），读 xlsx 需要坐标或要进一步算数据时，直接 pip install openpyxl pandas 比退回 COM 更好；markitdown 其实也是 pip 可装的轻依赖（pip install "markitdown[pptx,xlsx]"）；只有 pandoc/soffice 是系统级安装，不方便现装。
• 带保护壳的文档（加密狗水印壳等）：一律 COM 对象模型直取 Content.Text, , 已验证 Word SaveAs 导出此类文档是乱码；官方工具（pandoc 等）未在此场景验证过，别拿它冒险。
• 中文文件名：官方工具能处理，但如果 Read/Grep 打不开输出文件，退回 COM 脚本（输出固定 ASCII 文件名 office_extract_<n>.txt）。