skywork agent 不直接联网采集数据，而是通过本地文件导入、专用工具解析、自然语言指令驱动，实现已有数据的自动化整理与结构化归档，全程可控、可验、闭环。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
Skywork Agent 本身不直接联网爬取网页或对接数据库，它不提供通用型“数据采集”能力，而是聚焦于已有数据的自动化整理与结构化处理。所谓“采集”，在 Skywork 场景中，实际是指：把散落在本地、邮件、PDF、Excel、截图等载体中的原始信息，先提取出来，再统一清洗、归类、命名、归档。整个过程强调可控、可验、本地闭环。
明确数据来源，先“收进来”再处理
Agent 无法主动监听邮箱或抓取网页，所以第一步是把目标数据以文件形式落到本地： - 邮件附件（如采购单PDF、周报Excel）→ 手动保存到指定文件夹，或用 Outlook 规则自动归档 - 网页内容（如政策原文、产品更新日志）→ 用浏览器“另存为HTML”或截图后OCR转文本 - 会议录音 → 先用讯飞听见/腾讯云ASR转成文字，删掉口语冗余，存为 .txt - ERP/CRM导出报表 → 每次导出后统一存入「/data/incoming/」目录，并按日期命名推荐建立一个固定入口路径，比如 D:\skywork\inbox，所有待处理数据都先放这里。Agent 后续只认这个位置，不关心数据怎么来的。
用工具链分步提取，不依赖模型硬猜
面对不同格式，靠专用工具解析，再交由 Agent 做语义操作： - PDF 表单/扫描件 → 先用 xParse 或 pdfplumber 解析出 JSON/CSV，再喂给 Agent 清洗脱敏 - Excel 订单表 → Agent 可直接读取，指令如：“把 Sheet1 中‘客户名’列去空格、去重，生成新表并按‘区域’分组统计数量” - 多页合同文本 → 指令：“识别所有含‘甲方’‘乙方’‘违约金’的段落，提取前后各2句，合并为 summary.txt” - 截图类凭证 → 先用内置 OCR Skill 提取文字，再用“关键词定位”Skill 找出金额、日期、单号等字段关键点：提取动作由确定性工具完成，Agent 负责调度和后续规则执行，避免让大模型直接面对原始杂乱文本。
自然语言驱动整理与归档
数据结构化后，用一句话触发批量动作： - “把 D:\skywork\inbox 里所有 2026 年发票 PDF，按开票方名称建文件夹，重命名为‘开票方_金额_日期.pdf’，移入 D:\archive\invoices\2026” - “扫描 D:\skywork\inbox\orders 下全部 Excel，提取‘SKU’‘数量’‘交付日期’三列，合并为 orders_summary_20260616.xlsx，存到 D:\report” - “将 D:\skywork\inbox\meeting 中所有 txt 文件，按‘完成’‘阻塞’‘待办’三类打标签，分别归入对应子文件夹，并生成本周汇总清单（Markdown）”所有操作均在本地完成，不上传原始文件；移动、重命名、生成新文件等动作实时可见，失败项自动记录在历史日志中。
设置定期归集+异常反馈机制
- 在「自动化中心」配置定时任务：每天上午9点自动扫描 inbox 目录，执行预设整理流程 - 对无标准格式的文件（如手写便签拍照），启用“人工复核队列”：Agent 自动移到 /inbox/review/，并在通知栏提示“发现3份需确认的扫描件” - 每次执行后生成简要报告（含处理数、跳过数、错误项路径），可选发邮件或存为日志文件不追求全自动采集，但确保每一份进来的数据，都能被快速识别、稳定处理、清晰归档。
