安装指南

1. ClawHub CLI 从源直接安装技能的最快方式。
   npx clawhub@latest install cad-file-reader
2. 手动安装 将技能文件夹复制到以下位置之一
   全局模式
   ~/.openclaw/skills/
   工作区
   /skills/
   优先级：工作区 > 本地 > 内置
3. 提示词安装 将此提示词复制到 OpenClaw 即可自动安装。
   请帮我使用 Clawhub 安装 cad-file-reader。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。
   更倾向于下载？
   获取包含原生技能文件的ZIP压缩包。
   下载技能 (.zip)

什么是

CAD Drawing Reader 是一个用于本地扫描 DWG、DXF、DWT 和 PDF 图纸的 Openclaw Skills 工具，用于组织图纸证据并生成可审查的识别与测量候选对象。它捕获源坐标、图框、图层、置信度、公式和审查原因，以便团队可以将发现溯源至图纸原处。
它被特意设计为一个证据提取与解读技能——而非工程量算量、造价估算、合规性检查或结算系统。测量输出会被标记为 final_quantity=false；最终的工程量和材料计算必须由相应的专业技能完成。本地处理和证据缓存有助于保护图纸数据，同时支持可重复的检索。

应用场景

在无需预先解析完整实体树的情况下，快速在大型 CAD 图纸中搜索文本、标签、图层、图块、图框或选定的几何图形。
为结构、建筑、场地、电气、MEP、钢结构、市政、室内装修、幕墙、人防和预制图纸审查提取证据。
生成带有公式、数据源引用、置信度和明确审查边界的长度、面积或体积测量候选对象。
对 PDF 图纸进行分类，并提取原生文本或本地 OCR 文本作为仅供审查的证据。
对比图纸版本，识别文本、图层、图块和几何图形中候选的新增、删除与移动。
复用缓存证据以进行重复搜索，或针对本地感兴趣区域（ROI）及特定图幅进行查询。
准备图纸解读和标准元数据，同时标记缺失输入、版本风险和参数冲突以供人工审查。

工作原理

识别图纸格式和大小。对于大文件，从低内存扫描开始，而不是直接读取完整实体树。
运行 cad_scan 来索引文本、图层、图块名称、图框和可选几何图形，同时保留源证据和坐标。
使用搜索词、实体过滤器、图幅选择或感兴趣区域缩小结果范围；仅在需要时进行详细解析。
可选地通过图层和图块语义、图例匹配、专业关系、MEP 几何候选对象、图纸对比或解读元数据来丰富扫描细节。
将发现归入共享候选对象契约：确认的证据、推断的候选对象或需要审查的项目，并包含置信度和审查原因。
如果合适，运行 cad_measure 以创建可追溯的长度、面积或体积候选对象。缺失比例尺、单位或其他必要输入会将结果移至待审查状态。
验证 JSON 契约并将工程量计算移交给相关专业技能；本技能绝不将候选对象提升为最终工程量。

配置指南

提取完整的技能包以直接使用，或运行设置脚本以获得轻量级 SkillHub 软件包。在处理图纸前检查依赖项；NumPy 仅在梁线几何估计时需要，缺失时该功能降级为需要审查状态。命令相对于技能根目录运行，生成的文件写入当前项目工作目录。

Install or complete missing dependencies for a lightweight package

scripts/setup.sh

Check the minimal dependency set

scripts/deps_check.sh --minimal

Run the bundled end-to-end sample

scripts/demo.sh

Scan a drawing and write a detailed JSON file

scripts/cad_scan.sh drawing.dwg --with-geom --detail-json drawing-detail.json --format all -o drawing-scan

Validate a generated candidate-contract JSON file

scripts/cad_validate.sh output.json
对于 PDF 图纸，工作流使用本地 PDF 检验，对于扫描件或混合页面，则使用本地渲染和 OCR。请将图纸和生成的输出保留在项目工作区中；处理过程在本地完成，PDF 图纸字节不会上传到云端。
CAD 图纸读取器与证据提取器 数据架构与分类体系
该技能读取 DWG、DXF 和 DWT 文件，并且还支持 PDF 识图工作流。根据命令和请求的格式，输出可以包括 Markdown、JSON、CSV、Excel 和 Word 报告。
Data or file Purpose and notable fields
Scan reports and detail JSON Drawing text, layers, block names, frames, geometry evidence, source coordinates, and optional cache statistics.
cad-file-reader/v0 contract Shared candidate schema; includes source_schema and the fixed final_quantity=false marker.
candidates[] Findings classified as confirmed_evidence or inferred_candidate.
review_candidates[] Findings classified as review_required, kept out of the default candidate aggregation path.
Measurement candidate files cad-measurement-candidates.json, .md, and .csv; records kind, value, unit, scale, space, basis, method, formula, status, confidence, review_reason, evidence, and source identifiers.
PDF recognition output *.pdf识图.json and matching Markdown; may include pdf_meta, title-block metadata, page_bbox, OCR source_bbox_px, or vector text evidence in pdf_meta.vector_text_items. PDF vector text is evidence only, not measurement input.
Semantic and comparison outputs Candidate fields include semantic_layers, semantic_blocks, block_instances, mep_relations, drawing_changes, and optional discipline_refs, rotation, and confidence_scores.
Local evidence cache Keyed using the source file SHA-256 and scan parameters that affect evidence. Cache data stores recognition evidence, not final quantities. ROI and sheet options filter queries; local scan JSON can include cache hit/miss and size/timing metadata.
置信度分类法：confirmed_evidence 需要直接的文本、图层、几何图形、图块或标注证据，且置信度至少为 0.90；inferred_candidate 基于规则或关系，置信度为 0.50 到 0.89；review_required 包含低置信度、缺失比例尺或单位、绑定不明确、冲突、重复、几何图形不完整以及其他需要审查的问题。在 review_reasons[] 中使用标准化的英文值，而 review_notes 可以保留说明性注释。规范性引用作为元数据和版本风险信息存储，而不是作为复制的标准文本或条款符合性结论。

高级特性

低内存优先扫描，包含可选的详细解析、定向图幅或 ROI 查询、几何特征提取，以及大型图纸在资源压力下的暂停引导。
基于 SHA-256 的本地证据缓存、重复查询复用、缓存统计和谨慎的缓存管理；损坏或未知的缓存条目绝不会被自动删除。
可配置的输出深度：默认完整证据， --concise 用于减少候选对象字段， --full --with-evidence 用于恢复完整证据；
CAD_CONCISE=1
将简洁输出设置为默认值。
图层和图块语义候选对象、图例匹配、图块实例关系以及 MEP 端点、设备和立管关系候选对象。
具有可配置容差和变更限制的图纸对比候选对象；对同一图纸重复对比可报告无变更。
本地 PDF 分类、原生文本提取、扫描页面 OCR、可配置的工作进程和缓存目录、强制重新处理、矢量文本证据以及标题栏元数据提取。
特定专业识别包和测量候选对象生成，具有与专业工程量技能的明确交接边界。
发布前检查会运行自检、契约示例验证和敏感数据扫描；可选的真实图纸回归可以从本地清单运行。

name: cad-file-reader slug: cad-file-reader
displayName: CAD 图纸识图与证据提取
version: 0.27.0
author: lis
license: CC-BY-NC-SA-4.0
description: 本地读取 AutoCAD DWG/DXF/DWT，提取图层、文字、块、图框、几何、建筑/结构/总图场地/安装/电气（含消防/弱点/智能化）/钢结构/市政/给排水暖通/精装修室内/幕墙/人防/预制装配识图候选、系统拓扑、长度/面积/体积测量候选及规范图集元数据，并保留证据坐标和复核原因。仅输出识图与测量候选（final_quantity=false），不计算最终工程量、扣减、材料量、造价或结算量；算量交给专项技能。内置 P0–P5 优化：统一候选契约/置信度分层、大图缓存与局部解析、图层/块语义、MEP 拓扑增强、图纸对比。

CAD 图纸识图与证据提取（cad-file-reader）

本技能只做识图、证据提取、候选解释和测量候选，可输出长度、面积、体积的识图候选值、计算式和复核边界；不把候选值冒充最终工程量、清单量、材料量、造价或结算量。结构混凝土/钢筋算量已迁到 tujian-suanliang（本机目录 shangwu-suanliang），装饰、安装、钢结构、市政算量分别交给对应专项 skill。

安装与依赖
完整包解压即用；SkillHub 轻量包一条命令：scripts/setup.sh（幂等，缺依赖自动补齐）。
依赖自检：scripts/deps_check.sh --minimal；缺 numpy 只影响梁线几何估算，其余功能降级为 review。 30 秒样例：scripts/demo.sh（内置 examples/sample_room.dxf，跑识图→测量→契约校验）。 执行原则
先用低内存 cad_scan 读文字、图层、块名、图框和几何候选；确需实体树/渲染时再用 read_cad。
自动结果必须带证据坐标、图框、图层、口径和复核边界；缺输入时列缺口，不编造数量或合规结论。
规范/图集资料只做元数据与版本风险提示，不复制全文、不输出条文符合性结论。
命令均相对技能根目录执行；输出文件写入当前项目工作目录，不写系统目录。
大图先扫描、按需局部展开；高内存/高 CPU 立即暂停。
首次扫描可用 --cache-dir 建立本机证据缓存；同图重复查询命中缓存。缓存只保存识图证据，不保存最终工程量。
统一候选契约（cad-file-reader/v0）

装饰、安装、钢结构、市政和测量候选 JSON 会额外写入 contract：

candidates[] 只放 confirmed_evidence 和 inferred_candidate；review_candidates[] 只放 review_required。
confirmed_evidence：有直接文字、图层、几何、块或标注证据，且置信度 ≥ 0.90。
inferred_candidate：由邻近关系、图层语义、块内容或规则推断，置信度 0.50–0.89。
review_required：低置信、缺比例/单位/图层/块定义、文字绑定不明、几何冲突、重复、图框外或几何不完整；不进入默认汇总主线。
review_reasons[] 使用标准英文词表，review_notes 保留中文说明；source_schema 固定为 cad-file-reader/v0，final_quantity 固定为 false。
交付或交接前可校验：scripts/cad_validate.sh 输出.json。
输出深度（用户可选）：默认完整输出；追加 --concise 使用精简契约省 Token（候选只保留主干字段 id/类别/图层/文本/置信度/复核原因/来源文件）；--full 或 --with-evidence 恢复完整证据。环境变量 CAD_CONCISE=1 可全局设为精简默认。
图层/块语义与图纸对比

在 cad_scan 详情 JSON 上生成图层语义、块语义、块实例关联、MEP 端点/设备/立管关联候选和图纸变化候选；低置信或冲突项只进入 review_candidates[]，不进入默认汇总主线，也不改写工程量。

# P2/P3：图层与块语义候选；匿名/无语义块会标 missing_block_definition 或低置信推断

scripts/cad_semantics.sh 图纸详情.json --out-dir 语义识图
--max-layers 2000 --max-blocks 2000 --max-instances 2000 --link-radius 3000

# 图例知识表候选（轻量词库：块名/图层/文字关键词匹配，不引视觉模型）

scripts/cad_legend.sh 图纸详情.json --out-dir 图例识图 --max-matches 2000

# P4：安装专业管段端点、设备、立管和系统冲突关联候选

scripts/cad_mep_geometry.sh 安装详情.json --out-dir 安装识图

# P5：同图重复对比应返回 0 变化；不同图输出图层/块/文字/几何增删与移动候选

scripts/cad_compare.sh 基准详情.json 目标详情.json
--out-dir 图纸对比 --tolerance 1.0 --max-changes 5000

图例候选沿用统一契约：legend_matches 输出专业、语义、命中关键词、块/图层/文字证据和 discipline_refs；rules/legends.json 内置 14 组关键词与 12 组符号指纹，块引用优先走符号指纹匹配，同名文本不重复抢占。语义与变化候选沿用统一契约：semantic_layers、semantic_blocks、block_instances、mep_relations、drawing_changes。候选可带可选 rotation（文字旋转角）、confidence_scores（证据子项强度）和 discipline_refs（跨专业视角），全部固定 final_quantity=false；专用技能必须自行核对后再做算量。旋转角参与位置分桶（0-180°按 5° 归一）：同一图框内同位置但旋转不同会拆为独立标注位置，旋转相同则按原规则合并。

PDF 图纸（识图候选，本机分流 + 本地 OCR）

PDF 图纸先用本机 pdf-inspector 分类：文本型取原生文字，扫描/混合型用 pdftoppm 渲染后调本地 image-ocr 出线性文字候选。全部结果只作识图/文字候选，一律进 review_candidates 并标 missing_layer/missing_unit/missing_scale，不输出测量数量。

扫描/混合页候选的 OCR 像素框按渲染 dpi（默认 200，1in=72pt）换算成 page_bbox（PDF 点），并在候选上保留 source_bbox_px 供追溯。

矢量 PDF（source_format=pdf_vector）额外输出 pdf_meta.vector_text_items：原生文字 x/y/width/height/font/font_size/page 坐标候选，单位为 PDF 点，仅作证据与分流，不参与测量；可单独用 scripts/cad_pdf_vec.sh 图纸.pdf --json vec.json 复核。

图签栏提取为版式优先 + 关键词兜底：pdf_meta.title_block 优先扫描右下角图签栏区域（x>页面宽45%、y