littleyi22/document-materials-pipeline

document-materials-pipeline は何をしますか？

Codexスキル：Word/PDF教材をクリーニング、ページ付け、並べ替え、マージして学生用・教師用版を作成します。

概要

このスキルは、教育用教材（Word文書やPDFファイル）を自動処理するためのCodexスキルです。入力された教材ファイルを以下の手順で処理します：

1. クリーニング：コメント、変更履歴、不要なメタデータを削除します。
2. ページ付け：一貫したページ番号を全ドキュメントに付与します。
3. 並べ替え：指定された順序（例：章や単元ごと）でドキュメントを整列します。
4. マージ：学生用版（解答・注釈なし）と教師用版（解答・注釈あり）の2つの統合ドキュメントを生成します。

必要な環境

• Codex（GitHub Copilot CLIエージェント）
• Python 3.8+
• Pythonパッケージ：python-docx、PyPDF2、reportlab（インストールは後述）

インストール

# リポジトリをクローン
gh repo clone littleyi22/document-materials-pipeline
cd document-materials-pipeline

# Python依存パッケージをインストール
pip install -r requirements.txt

使い方

1. 入力教材ファイルを input/ ディレクトリに配置します。各ファイルはWord（.docx）またはPDF形式である必要があります。
2. 設定ファイル config.yaml を編集して、学生用版と教師用版の設定を指定します（下記の例を参照）。
3. 以下のコマンドを実行します：

python run_pipeline.py --config config.yaml

これにより、output/ ディレクトリに以下のファイルが生成されます：

• student_edition.docx / student_edition.pdf
• teacher_edition.docx / teacher_edition.pdf

設定例 (config.yaml)

input:
  - file: input/chapter1.docx
    order: 1
    type: content
    include_in: [student, teacher]
  - file: input/chapter2.pdf
    order: 2
    type: content
    include_in: [student, teacher]
  - file: input/answers.docx
    order: 10
    type: answer
    include_in: [teacher]  # 教師用版のみに含める

output:
  formats: [docx, pdf]
  page_numbers: true
  page_start: 1

オプション

• --clean-only：クリーニングのみ実行（ページ付け・並べ替え・マージはスキップ）
• --output-format：出力フォーマットを指定（docx、pdf、または both、デフォルトは both）
• --verbose：詳細なログを出力

制限事項

• PDFファイルのクリーニング機能は限定的です。可能な場合はWord文書の使用を推奨します。
• 大規模な教材（100ページ以上）の処理には時間がかかる場合があります。
• 現在のバージョンでは日本語と英語の教材をサポートしています。

ライセンス

MIT