总结文档与对外分享流水线

脱敏前后对照与整条流水线（示例数据）：

Image: 效果示例

这套流程解决什么

把已经做完的项目变成别人看得懂、自己以后还用得上的总结材料。真正的难点不在写文案，在两件事：

1. 脱敏不能漏。 项目材料里到处是单位全称、地名、小区名、水表编号、地图坐标、接口密钥。手工一张张图去涂，一定会漏，而漏一个就等于全部白做。
2. 排版不能崩。 手工排版的东西改一次文案就要重排一次，而且表格溢出、图片变形这类问题只有渲染出来才看得见。

所以这套流程的设计取向是：能变成代码的都变成代码，剩下的只保留一件必须靠眼睛的事——看图。

一次产出两类东西

工作流

第 1 步：先读文档，再读数据

每个项目里都已经有说明文档（README / 项目指引 / 项目笔记）。先把它们读完再去看原始数据——文档里有结论、有踩坑记录、有当时为什么这么选，这些都比从数据里反推快得多。

同时留意文档与实现是否已经不一致。一个真实的例子：某项目的说明文档里写的默认密码与代码里的实际值不同，文档写的入口文件名也和实际文件名对不上。这种不一致本身就是总结里最值得写的一条「注意事项」——它提醒后来的人「文档会过期，以代码为准」。

第 2 步：先定标题，再写正文

标题定不下来，正文一定会跑题。

原则：动词前置、去掉修饰、一眼知道是什么。

每个标题配一句副标题，一句话说清定位：

降低产销差专项工作汇报 从台账数据到可讲、可打印、可分发的一整套汇报材料

第 3 步：列脱敏范围（红线，不能跳）

打开 references/anonymization-checklist.md，逐项过一遍，把这个项目里所有可识别主体列出来：

• 单位全称、下属机构名 → 「某水务公司」「某供水所」
• 市名、区名、街道名 → 「某地」「某经济开发区」
• 小区 / 村庄 / 企业名 → 「片区A」「片区B」…（按出现顺序编号）
• 水表编号 / 用户编号 → 「编号隐去」或直接隐藏整列
• 地图坐标、底图 → 模糊化
• 接口密钥、访问密码 → 一律不写进文档
• 个人隐私（姓名、生日、籍贯、测评结果）→ 这类项目只讲方法，不讲内容

写进 scripts/sanitize_shot.py 顶部的替换表。

可以保留的：经营数据的数值本身（万吨、比率、百分点）、行业标准与阈值、技术方案与实现细节。数值是成果的说服力的来源，也是行业通用量级，不构成识别风险。

第 4 步：出图，然后逐张看图

python scripts/sanitize_shot.py          # 截图（截图前在浏览器里完成脱敏）
python make_charts.py                    # 数据图表（用脱敏后的标签重绘）

⚠️ 改完脱敏规则，必须重新逐张看图确认，不能只看脚本跑通。 这一步跳过是整个流程里代价最高的失误。实际发生过三类问题，全都是看图才发现的：

• 地名漏替换——某条地名藏在表格的辅助列里，不在脚本收集的字段清单里；
• 编号没盖住——编号规则漏了一种格式；
• 月份被人名规则误伤——把 1月 2月 这类替换规则写得太宽，正文里的月份被换掉了。

第 5 步：按骨架写文案

四段式，每份 1500—2500 字为宜。详见 references/doc-skeleton.md：

起因      —— 当时遇到了什么具体麻烦
开展思路  —— 怎么想的、为什么这么选（配 2—4 张图）
成果      —— 交付了什么、算出了什么、前后对比（配 1—3 张图）
注意事项  —— 踩过的坑、口径问题、脱敏要求

「注意事项」是最有价值的一章。 读者最想看的就是"你踩过什么坑"。分两类写：数据/口径类、实现/技术类，条件允许再加一条「对外分享的脱敏要求」。

第 6 步：脚本生成 Word

cd 总结目录
npm install docx
node build_docs.js

从 assets/docx_template.js 起步——样式、页眉页脚、表格工具函数都已写好，只需要改内容块。

第 7 步：渲染校验

# Word 批量转 PDF（本机装了 Word，不需要 LibreOffice）
# 注意 -ExecutionPolicy Bypass：默认策略会拒绝运行 .ps1
powershell -NoProfile -ExecutionPolicy Bypass -File scripts/word_to_pdf.ps1 -Dir . -Pattern "0*.docx"

# PDF 逐页转图片，然后看图
python scripts/pdf_to_images.py 输出目录 --dpi 95

逐页看图确认三件事：表格有没有溢页、图片有没有变形、分页位置合不合理。

第 8 步：交付前最后一遍

通读全部文档，只盯一件事：还有没有漏掉的可识别信息。

把文档文字抽出来搜一遍敏感词是最有效的兜底：

python scripts/scan_leaks.py *.docx --terms 单位名 地名 项目代号

目录内容

share-doc-pipeline/
├── SKILL.md
├── scripts/
│   ├── sanitize_shot.py        截图 + 三层自动脱敏（第 4 步）
│   ├── word_to_pdf.ps1         Word COM 批量转 PDF（第 7 步）
│   ├── pdf_to_images.py        PDF 逐页转图片，供看图（第 7 步）
│   └── scan_leaks.py           交付前扫敏感词（第 8 步）
├── references/
│   ├── doc-skeleton.md         四段式骨架 + 标题定法 + 各章写作要点
│   └── anonymization-checklist.md  脱敏清单与三层实现原理
└── assets/
    └── docx_template.js        生成 Word 的脚本骨架（样式 / 表格 / 页眉页脚）

三个必须知道的实现细节

① 脱敏要在截图前做，不能在截图后涂。 截完再涂要处理每一张图、每一个位置，而且图片一旦生成，信息就已经落盘了。在浏览器里替换文本则是一次性的、可复用的。

② 图表要单独处理。 ECharts 把文字画在 <canvas> 上，DOM 文本替换够不着。要读图表实例的配置、把里面的字符串过一遍替换规则、再 setOption 重渲染一遍。

③ 地图要模糊底图。 地图直接暴露地理位置，替换文字没用。对瓦片层加模糊滤镜——保留管线与标记的形状，但地名不可辨认。

完整原理见 references/anonymization-checklist.md。