用途：从文档形态的来源（表单、多表格 PDF、扫描件）中定位并抽取结构化数据，输出 .xlsx 加审计报告。与 data-tidy 相对：tidy 清理已接近表格化的数据，extract 负责从文档中把数据找出来。
主要能力：支持键值/表单模式（extract_fields 每份文档一条记录）与表格模式（list_tables 列出候选后用 get_table 取行）。可批量处理同结构的多种文档，经 fields_to_table 汇总为一个 .xlsx。支持 PDF、.docx、.pptx、.msg；扫描页自动回退到本地 Tesseract OCR；图表、表格截图、UI 截图、示意图等图片可用 scripts/image_extract.py 经视觉模型抽取。共享引擎位于插件根 scripts/（dataclean.py、ingest.py、extract.py）。
使用方式：在技能目录运行，先将 ../../scripts 加入路径并 import extract、dataclean，然后定义 FIELDS（含 name、labels、type，货币字段可加 code_target 保留币种），调用 extract.extract_fields 或用 list_tables/get_table 取表，最后经 dataclean.write_xlsx 写出并打印报告。批量表单用 extract.field_columns(FIELDS) 生成表头。图片抽取示例：python scripts/image_extract.py chart.png -o extracted.xlsx；python scripts/image_extract.py ./screenshots/ -o batch.xlsx。若某文档类型会反复出现或流程复杂，可用 dataclean.emit_runner 生成可复用 runner 与卡片，运行命令形如 python extract_[doctype].py [doc...] [-o out.xlsx]。复用前须先读 .md 卡片并比对当前源，防规格漂移。
适用场景：订阅确认函、对账单、证书等键值型文档；含一个或多个表格的报告；同结构文档批量抽取；图表或表格图片转数据。
限制：默认只交付结果，回环复用需权衡。OCR 仅用于扫描件且保真度较低；图片/图表抽取例外地会将图片发往用户配置的视觉 API，需要 VISION_API_KEY 或 OPENAI_API_KEY，无密钥时明确退出、不回退 OCR。运行需 Python 及 PyMuPDF、openpyxl；pdfplumber、python-docx、python-pptx、extract_msg 按格式可选；扫描 OCR 需本地 Tesseract 外部程序。.ppt 旧格式不支持，需先转 .pptx。抽取结果仅供人工核验，未找到字段留空并标记，绝不编造。外部二进制与模型端点等未提供的细节，资料中暂未说明。