Xpersona
agentCLAWHUBUnverified

mddoc

将 Markdown 内容转换为特定学术格式的 Word 文档 (.docx)。当用户想要将 Markdown 文件、粘贴的 Markdown 文本转换为格式化的 docx 文档时使用，特别是学术论文、技术报告、毕业论文等需要严格格式要求的场景。触发词包括：/mddoc、markdown转docx、md转word、生成格式化文档、学术格式转换。即使用户只说"把这个转成word"而内容是Markdown，也应使用此技能。 Skill: mddoc Owner: trisia Summary: 将 Markdown 内容转换为特定学术格式的 Word 文档 (.docx)。当用户想要将 Markdown 文件、粘贴的 Markdown 文本转换为格式化的 docx 文档时使用，特别是学术论文、技术报告、毕业论文等需要严格格式要求的场景。触发词包括：/mddoc、markdown转docx、md转word、生成格式化文档、学术格式转换。即使用户只说"把这个转成word"而内容是Markdown，也应使用此技能。 Tags: latest:0.1.10 Version history: v0.1.10 | 2026-08-19T05:37:17.400Z | auto - Improved二级标题（##）实现：新增 set_first_line_indent_chars，确保完全无缩进以满足顶格要求。 - 更新格式示例和文档，二级标题采用 set_fi

OpenClaw
View on ClawHubHomepage

Rank

62

Safety

84

Downloads

1.7k

Updated

Oct 10, 2026

Version

0.1.10

Source

CLAWHUB

About

What it does, and when to use it.

Capability contract not published. No trust telemetry is available yet. 1.7K downloads reported by the source. Last updated 10/10/2026.

Avoid when

  • Contract metadata is missing or unavailable for deterministic execution.

Risk flags: missing_or_unavailable_contract, trust_data_unavailable, schema_references_missing

Public facts

Every fact links back to the source it came from.

Vendor
Clawhubvendor · observed Oct 10, 2026
Protocol compatibility
OpenClawcompatibility · observed Oct 10, 2026
Adoption signal
1.7K downloadsadoption · observed Oct 10, 2026
Latest release
0.1.10release · observed Aug 19, 2026
Handshake status
UNKNOWNsecurity

Install and run

Setup complexity: low.

clawhub skill install s17fmfnyadz9tm2f81v06tdpj98a6xpk:mddoc
  1. Setup complexity is classified as HIGH. You must provision dedicated cloud infrastructure or an isolated VM. Do not run this directly on your local workstation.
  2. Final validation: Expose the agent to a mock request payload inside a sandbox and trace the network egress before allowing access to real customer data.

Contract: missing

curl -s "https://www.xpersona.co/api/v1/agents/clawhub-trisia-mddoc/snapshot"

Documentation

CLAWHUB

146,911 characters of source documentation, loaded on request.

Extracted files

5 files captured from the source.

SKILL.md

---
name: mddoc
version: 1.0.10
description: 将 Markdown 内容转换为特定学术格式的 Word 文档 (.docx)。当用户想要将 Markdown 文件、粘贴的 Markdown 文本转换为格式化的 docx 文档时使用，特别是学术论文、技术报告、毕业论文等需要严格格式要求的场景。触发词包括：/mddoc、markdown转docx、md转word、生成格式化文档、学术格式转换。即使用户只说"把这个转成word"而内容是Markdown，也应使用此技能。
---

# mddoc — Markdown 转学术格式 DOCX

## 快速开始

```bash
# 1) 环境自检与准备（一次性，幂等）：创建/复用专用虚拟环境，仅缺失依赖时才安装
#    专用环境位置：~/.cache/mddocx/venv（Windows: %LOCALAPPDATA%/mddocx/venv）
python3 <skill-path>/scripts/setup_env.py
#    输出最后一行 `READY <python>` 即就绪解释器路径

# 2) 转换 Markdown 文件 → 输出到同目录（环境就绪后无需再检查）
~/.cache/mddocx/venv/bin/python <skill-path>/scripts/md2docx.py paper.md

# 指定输出路径
~/.cache/mddocx/venv/bin/python <skill-path>/scripts/md2docx.py paper.md -o /path/to/output.docx

# 直接转换粘贴的文本
~/.cache/mddocx/venv/bin/python <skill-path>/scripts/md2docx.py --text "# 标题\n\n正文内容" -o out.docx
```

其中 `<skill-path>` = `/home/kkk/.claude/skills/mddoc`

## 工作流程

1. **读取输入** — 若用户粘贴 Markdown 文本则直接读取；若用户提供文件路径（含 `@` 引用）则读取该文件
2. **检查并准备环境** — 专用虚拟环境固定于 `~/.cache/mddocx/venv`（Windows: `%LOCALAPPDATA%/mddocx/venv`）：
   - 若该环境存在且能 `import docx, PIL, requests, mistune` → 直接转换，不安装
   - 环境缺失或依赖缺失时，才运行 `python3 <skill-path>/scripts/setup_env.py` 创建/安装（幂等，仅缺失时安装）
3. **执行转换** — 用专用解释器 `~/.cache/mddocx/venv/bin/python` 运行内置脚本 `scripts/md2docx.py`；若 Markdown 结构特殊则参照下方格式规范编写自定义脚本
4. **确定输出** — 文件路径输入→同目录；粘贴内容→当前目录；文件名=「题目.docx」（题目从第一个 `# 标题` 提取；若无 `#` 标题则使用输入文件名，`--text` 模式为「未命名文档.docx」）
5. **验证** — 检查 outline level、图片嵌入、页眉、分页符

---

## 格式参考

> 每个元素配可直接使用的 python-docx 代码。公共导入和工具函数：

```python
from docx import Document
from docx.shared import Pt, Cm
from docx.enum.text import WD_ALIGN_PARAGRAPH
from docx.oxml import OxmlElement
from docx.oxml.ns import qn

def set_cn_font(run, cn_name, en_name='Times New Roman', size_pt=10.5, bold=False):
    """设置 run 的中英文字体、字号、加粗、颜色(黑)"""
    run.font.size = Pt(size_pt)
    run.font.bold = bold
    run.font.name = en_name
    run.font.color.rgb = None
    rPr = run._element.get_or_add_rPr()
    rFonts = rPr.find(qn('w:rFonts'))
    if rFonts is None:
        rFonts = OxmlElement('w:rFonts'); rPr.insert(0, rFonts)
    rFonts.set(qn('w:eastAsia'), cn_name)
    rFonts.set(qn('w:ascii'), en_name)
    rFonts.set(qn('w:hAnsi'), en_name)

def add_empty(doc):
    """五号空行"""
    p = doc.add_paragraph()
    run = p.add_run('')
    set_cn_font(run, '宋体', size_pt=10.5)
    return p

def set_outline(para, level):
    """设置 outline level（XML方式，兼容所有python-docx版本）"""
    pPr = para._element.get_or_add_pPr()
    ol = OxmlElement('w:outlineLvl')
    ol.set(qn('w:val'), str(level))
    pPr.append(ol)
```

### 基础设置

五号=10.5pt，1.3倍行距，段前段后0磅，全黑，A4页边距左3cm右2cm上2cm下2cm，页脚距底1cm。

```python
doc = Document()
section = doc.sections[0]
# 页边距：左3cm 右2cm 上2cm 下2cm
section.left_margin = Cm(3)
section.right_margin = Cm(2)
section.top_margin = Cm(2)
section.bottom_margin = Cm(2)

sty = doc.styles['Normal']
sty.font.size = Pt(10.5)
sty.font.name = 'Times New Roman'
sty.element.rPr.rFonts.set(qn('w:eastAsia'), '宋体')
sty.paragraph_form

_meta.json

{
  "ownerId": "kn74sxjtkhk771hzvyhh8q6hp18a69xe",
  "slug": "mddoc",
  "version": "0.1.10",
  "publishedAt": 1787117837400
}

evals/test-latex-coverage.md

# LaTeX 数学公式覆盖测试（IHKYoung 手册 + 完整补全）

本文件测试所有已实现的 LaTeX 数学公式语法。

---

## 矩阵环境

### bmatrix（方括号）

$$
\begin{bmatrix} a & b \\ c & d \end{bmatrix}
$$

### pmatrix（圆括号）

$$
\begin{pmatrix} x_{11} & x_{12} \\ x_{21} & x_{22} \end{pmatrix}
$$

### vmatrix（单竖线行列式）

$$
\begin{vmatrix} a & b \\ c & d \end{vmatrix}
$$

### Vmatrix（双竖线范数）

$$
\begin{Vmatrix} a & b \\ c & d \end{Vmatrix}
$$

### matrix（无括号）

$$
\begin{matrix} 1 & 0 \\ 0 & 1 \end{matrix}
$$

---

## cases 环境（分段函数）

$$
f(x) = \begin{cases} 0 & x < 0 \\ x^2 & 0 \leq x < 1 \\ 1 & x \geq 1 \end{cases}
$$

---

## align 环境（多行对齐）

$$
\begin{align} x + y &= 2 \\ x - y &= 0 \end{align}
$$

---

## 字体命令

### 粗体

行内: $\mathbf{A} = \mathbf{B} + \mathbf{C}$

### 斜体

行内: $\mathit{variable}$

### 手写体（花体）

行内: $\mathcal{L}$ $\mathcal{A}$

### 黑板粗体

行内: $\mathbb{R}$ $\mathbb{N}$ $\mathbb{Z}$ $\mathbb{C}$

### 正体（罗马体）

行内: $\mathrm{Var}(X)$

### 等宽体

行内: $\mathtt{code}$

### 粗体符号

$\boldsymbol{\alpha} + \bm{\beta} = \mathbb{E}[X]$

---

## 希腊字母

### 小写

$\alpha$ $\beta$ $\gamma$ $\delta$ $\epsilon$ $\varepsilon$ $\zeta$ $\eta$ $\theta$ $\vartheta$

$\iota$ $\kappa$ $\lambda$ $\mu$ $\nu$ $\xi$ $\pi$ $\rho$ $\sigma$ $\tau$ $\upsilon$ $\phi$ $\varphi$ $\chi$ $\psi$ $\omega$

### 大写

$\Gamma$ $\Delta$ $\Theta$ $\Lambda$ $\Xi$ $\Pi$ $\Sigma$ $\Upsilon$ $\Phi$ $\Psi$ $\Omega$

### 变体

$\varpi$ $\varrho$ $\varsigma$

---

## 二元运算符

$+$ $-$ $\times$ $\div$ $\cdot$ $\oplus$ $\ominus$ $\otimes$ $\oslash$ $\odot$ $\star$ $\circ$ $\bullet$ $\pm$ $\mp$

---

## 关系符号

$=$ $\neq$ $\approx$ $\equiv$ $<$ $>$ $\leq$ $\geq$ $\ge$ $\le$ $\ne$

$\ll$ $\gg$ $\prec$ $\succ$ $\preceq$ $\succeq$ $\sim$ $\nsim$ $\simeq$ $\asymp$ $\propto$

---

## 逻辑符号

$\wedge$ $\vee$ $\neg$ $\Rightarrow$ $\Leftrightarrow$ $\forall$ $\exists$ $\nexists$ $\top$ $\bot$

---

## 集合符号

$\emptyset$ $\in$ $\notin$ $\subseteq$ $\subset$ $\nsubseteq$ $\supset$ $\supseteq$ $\nsupseteq$ $\cup$ $\cap$ $\setminus$

---

## 箭头

$\to$ $\gets$ $\leftarrow$ $\rightarrow$ $\Rightarrow$ $\Leftarrow$ $\leftrightarrow$ $\Leftrightarrow$

$\longrightarrow$ $\longleftarrow$ $\mapsto$ $\longmapsto$ $\uparrow$ $\downarrow$ $\updownarrow$

$\Uparrow$ $\Downarrow$ $\Updownarrow$

---

## 分数与根式

### 分数

$\frac{a}{b}$ $\dfrac{1}{2}$ $\tfrac{1}{3}$

$$
\frac{d}{dx} f(x) \qquad \frac{\partial f}{\partial x}
$$

### 根式

$\sqrt{x}$ $\sqrt[n]{x}$

---

## 指数与对数

$a^b$ $e^x$ $\log x$ $\ln x$ $\log_a b$ $\exp(x)$

---

## 极限

$\lim_{x \to a} f(x)$ $\lim_{x \to \infty} f(x)$

---

## 积分与求和

$\int f(x)dx$ $\int_{a}^{b} f(x)dx$ $\iint$ $\iiint$

$\sum_{i=1}^{n} x_i$ $\prod_{i=1}^{n} x_i$

---

## 重音符号

$\hat{x}$ $\bar{x}$ $\vec{v}$ $\dot{x}$ $\ddot{x}$ $\tilde{x}$

$$
\overrightarrow{AB} = \overleftarrow{BA}
$$

---

## 定界符

$$
\left( \frac{a + b}{c} \right) \qquad \left[ \frac{x}{y} \right]
$$

---

## 函数名

$\sin$ $\cos$ $\tan$ $\cot$ $\sec$ $\csc$

$\arcsin$ $\arccos$ $\arctan$

$\sinh$ $\cosh$ $\tanh$ $\coth$

$\log$ $\lg$ $\ln$ $\exp$

$\lim$ $\max$ $\min$ $\sup$ $\inf$

$\det$ $\di

evals/test-sample.md

# 第一章 基于深度学习的图像识别研究

## 1.1 研究背景

近年来，深度学习技术在计算机视觉领域取得了突破性进展。卷积神经网络（Convolutional Neural Network, CNN）作为深度学习的核心架构之一，在图像分类、目标检测、语义分割等任务中表现出色。

图像识别技术已广泛应用于安防监控、自动驾驶、医疗诊断等领域。传统的图像识别方法依赖手工设计的特征提取器，如 SIFT、HOG 等，这些方法在复杂场景下的泛化能力有限。

### 1.2.1 深度学习发展历程

深度学习的概念可追溯至20世纪40年代的神经网络研究。经历了多次起伏后，2012年 AlexNet 在 ImageNet 竞赛中的突破性表现标志着深度学习时代的正式到来。

此后，VGGNet、GoogLeNet、ResNet 等架构相继提出，不断刷新图像识别的准确率记录。其中 ResNet 引入的残差连接解决了深层网络的梯度消失问题。

## 1.2 研究现状

目前主流的图像识别方法可归纳为三类：基于 CNN 的方法、基于 Transformer 的方法以及混合架构方法。

![ResNet 网络架构示意图](https://www.python.org/static/img/python-logo.png)

表 主流图像识别模型性能对比

| 模型名称 | Top-1 准确率 | 参数量 | 发布时间 |
|----------|-------------|--------|---------|
| ResNet-50 | 76.2% | 25.6M | 2015 |
| EfficientNet-B4 | 83.0% | 19.3M | 2019 |
| ViT-B/16 | 84.1% | 86.0M | 2020 |
| ConvNeXt-T | 84.9% | 28.6M | 2022 |
| **ViT-B/32** | *85.0%* | $87.7$M | 2021 |

从上表可以看出，模型性能持续提升的同时，参数效率也在不断优化。EfficientNet 系列通过神经架构搜索实现了参数效率与精度的良好平衡。

### 1.2.1 数据增强技术

数据增强是提升模型泛化能力的重要手段。常用方法包括：

- 随机裁剪与缩放
- 水平翻转与旋转
- 色彩抖动与光照变换
- CutOut 与 MixUp 等高级增强策略

研究表明，合理的数据增强策略可以有效缓解过拟合问题，尤其在训练数据有限的场景下。

## 1.3 理论基础

卷积操作的数学表达为 $y = W * x + b$，其中 $W$ 为卷积核权重，$b$ 为偏置项。

损失函数采用交叉熵损失：

$$
L(y, \hat{y}) = -\sum_{i=1}^{C} y_i \log(\hat{y}_i)
$$

梯度下降的参数更新规则为 $w_{t+1} = w_t - \eta \nabla L(w_t)$，其中 $\eta$ 表示学习率。

## 1.4 本文主要工作

本文旨在构建一个高效准确的图像识别系统，主要贡献包括：

本文的代码实现基于 PyTorch 框架，训练过程如下：

```
import torch
model = torch.hub.load('pytorch/vision', 'resnet50', pretrained=True)
model.fc = torch.nn.Linear(2048, num_classes)
```

后续章节将详细介绍模型设计、训练策略与实验结果。

skill-card.md

## Description:

Converts Markdown files or pasted Markdown text into academically formatted Word (.docx) documents with structured headings, body text, tables, images, lists, and LaTeX-style math.

This skill is ready for commercial/non-commercial use.

## Publisher:

[trisia](https://clawhub.ai/user/trisia)

### License/Terms of Use:

MIT-0

## Use Case:

Developers, students, and document authors use mddoc to convert Markdown content into Word documents that follow strict academic formatting for papers, technical reports, and theses.

### Deployment Geography for Use:

Global

## Known Risks and Mitigations:

Risk: The setup workflow may create a cached Python environment and download dependencies.

Mitigation: Install in a controlled environment and review dependency setup before running the skill.

Risk: Markdown image references may contact remote or internal URLs or embed local image files into the generated document.

Mitigation: Use trusted Markdown input, or sandbox conversion and disable remote or local image resolution before processing untrusted content.

## Reference(s):

- [mddoc ClawHub listing](https://clawhub.ai/trisia/skills/mddoc)

## Skill Output:

**Output Type(s):** [Files, Shell commands, Guidance]

**Output Format:** [DOCX files, with Markdown guidance and shell command invocations for setup and conversion]

**Output Parameters:** [1D]

**Other Properties Related to Output:** [Creates a cached Python environment when dependencies are missing; generated documents may embed downloaded or local images referenced by Markdown input.]

## Skill Version(s):

0.1.10 (source: ClawHub release evidence; artifact frontmatter reports 1.0.10)

## Ethical Considerations:

Users should evaluate whether this skill is appropriate for their environment, review any generated or modified files before relying on them, and apply their organization's safety, security, and compliance requirements before deployment.

Related agents

Same protocol, similar job.

Github ReposUpdated 9h agoRank 70

AionUi

Free, local, open-source 24/7 Cowork app and OpenClaw for Gemini CLI, Claude Code, Codex, OpenCode, Qwen Code, Goose CLI, Auggie, and more | 🌟 Star if you like it!

MCPOPENCLAW
Github ReposUpdated 6mo agoRank 70

activepieces

AI Agents & MCPs & AI Workflow Automation • (~400 MCP servers for AI agents) • AI Automation / AI Agent with MCPs • AI Workflows & AI Agents • MCPs for AI Agents

OPENCLAW
Github ReposUpdated 6mo agoRank 70

cherry-studio

AI productivity studio with smart chat, autonomous agents, and 300+ assistants.

MCPOPENCLAW
Github ReposUpdated 7mo agoRank 70

CopilotKit

The Frontend for Agents & Generative UI. React + Angular

OPENCLAW

Machine-readable data

The same record, as JSON, for agents and crawlers.

{
  "facts": [
    {
      "factKey": "vendor",
      "category": "vendor",
      "label": "Vendor",
      "value": "Clawhub",
      "href": "https://clawhub.ai/trisia/skills/mddoc",
      "sourceUrl": "https://clawhub.ai/trisia/skills/mddoc",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-10T03:18:30.399Z",
      "isPublic": true
    },
    {
      "factKey": "protocols",
      "category": "compatibility",
      "label": "Protocol compatibility",
      "value": "OpenClaw",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-trisia-mddoc/contract",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-trisia-mddoc/contract",
      "sourceType": "contract",
      "confidence": "medium",
      "observedAt": "2026-10-10T03:18:30.399Z",
      "isPublic": true
    },
    {
      "factKey": "traction",
      "category": "adoption",
      "label": "Adoption signal",
      "value": "1.7K downloads",
      "href": "https://clawhub.ai/trisia/mddoc",
      "sourceUrl": "https://clawhub.ai/trisia/mddoc",
      "sourceType": "profile",
      "confidence": "medium",
      "observedAt": "2026-10-10T03:18:30.399Z",
      "isPublic": true
    },
    {
      "factKey": "latest_release",
      "category": "release",
      "label": "Latest release",
      "value": "0.1.10",
      "href": "https://clawhub.ai/trisia/mddoc",
      "sourceUrl": "https://clawhub.ai/trisia/mddoc",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-08-19T05:37:17.400Z",
      "isPublic": true
    },
    {
      "factKey": "handshake_status",
      "category": "security",
      "label": "Handshake status",
      "value": "UNKNOWN",
      "href": "https://www.xpersona.co/api/v1/agents/clawhub-trisia-mddoc/trust",
      "sourceUrl": "https://www.xpersona.co/api/v1/agents/clawhub-trisia-mddoc/trust",
      "sourceType": "trust",
      "confidence": "medium",
      "observedAt": null,
      "isPublic": true
    }
  ],
  "events": [
    {
      "eventType": "release",
      "title": "Release 0.1.10",
      "description": "- Improved二级标题（##）实现：新增 set_first_line_indent_chars，确保完全无缩进以满足顶格要求。 - 更新格式示例和文档，二级标题采用 set_first_line_indent_chars(p, 0) 而非简单 first_line_indent=Pt(0)。 - 移除 skill-card.md 文件。",
      "href": "https://clawhub.ai/trisia/mddoc",
      "sourceUrl": "https://clawhub.ai/trisia/mddoc",
      "sourceType": "release",
      "confidence": "medium",
      "observedAt": "2026-08-19T05:37:17.400Z",
      "isPublic": true
    }
  ]
}

Record generated Oct 10, 2026.

Sponsored

Ads related to mddoc and adjacent AI workflows.