多种规则格式转化json.skill

概述

规则文件解析与转换（rule-file-parser）

Overview

本技能负责把用户上传的「规则 / 决策文件」变成可阅读、可复用的结构化中文成果。它解决五件事：

1. 多格式解析 — 不限格式（zip/html/java/中文文本/公式函数/判断语句/衍生变量导出函数等），

解析各种规则引擎脚本、业务规则描述与可视化平台导出的衍生变量；解析不出来时，反馈具体原因。

1. 类型识别 — 判断内容是「规则语句」「决策语句」「衍生变量」（或混合/无法识别）。
2. 格式转换 — 按用户提供的模版转换；用户未指定格式时，默认输出中文 Word 文档。
3. 错误处理 — 上传失败、识别错误、文件损坏、网络中断等，给出针对性解决方案。
4. 模型拒识 — 上传的是模型文件（.pkl/.h5/.onnx/.pt/.pb/.pmml 等）直接反馈「无法识别

模型文件」，本技能仅针对规则语言。

触发词（Trigger Words）

满足以下任一情形即触发本技能：

• 显式：解析 / 识别 / 提取 / 转换「规则文件」「决策语句」「衍生变量」「规则引擎脚本」
• 关键词：Drools、DMN、决策表、判定表、评分卡、规则语言、业务规则、风控规则、

if-else 规则、中文规则描述、衍生变量、func_xxx、setValue、变量赋值、计算字段、规则树、tansun、policyrulegroup、RULE_GROUP、规则集导出包、决策规则组

• 动作：把规则转成 Word / 导出决策表 / 规则文件转 Excel / 规则转 Drools / 提取衍生变量
• 文件：用户上传 .zip .html .java .drl .groovy .js .py .txt .md

.xml .json .csv .xlsx 等并说明其为规则/决策/衍生变量内容

• 排障：上传规则失败、规则文件损坏、无法识别规则、无法识别衍生变量

执行逻辑（Execution Flow）

严格按以下五步顺序执行；任意一步发现异常，跳转至「第六步 错误处理」。

第一步 · 接收与预处理

• 确认用户已上传文件，记录文件名、扩展名、大小。
• 若用户同时提供了输出模版，记录下来，第四步按其字段映射；否则走默认模版。
• 若用户未上传文件却描述规则，可直接让其粘贴文本或上传，再继续。

第二步 · 调用解析引擎

• 运行 scripts/parse_rule_file.py <文件路径>（纯标准库，零依赖）。
• 脚本产出结构化 JSON，关键字段：status / is_model / classification

（rule|decision|mixed|derived_variable|decision_tree|unknown）/ reasons / blocks /error / solution。

• 引擎已覆盖的格式与能力：
  • 文本类：java / drl / groovy / js / py / txt / md / xml / json / csv / html，

以及中文业务规则描述、=IF() 等公式函数、function 声明。

• 衍生变量：识别可视化规则平台导出的 `function void func_xxx(Map dataMap,

Map metaMap, RuleHelper ruleHelper, DroolsRuleLog droolsRuleLog) 形态，提取变量名、返回类型、判断条件、ruleHelper.setValue` 赋值（目标字段 / 计算表达式 /输入字段引用）。

• 规则树 XML 引擎包（tansun policyrulegroup 等）：识别 RULE_GROUP.xml

（每条规则含 EVALS/ACTIONS 序列化的 JSON 条件树与动作）、RULE_MANAGE.xml（规则集元数据：名称/编码/版本）、RULE_DATAPARAMS.xml（变量定义）、RULE_REFERENCE_DATA.xml（输入/输出字段语义）、RULE_VERSIONINFO.xml（内含 Drools 编译产物 RULE_CONTENT）。自动把条件树渲染为中文（变量 + 运算符 + 值）、把 variableAssign 动作渲染为「赋值 目标 ← 值」，并提取规则集概览（名称/编码/版本、输入字段、输出字段）。zip 包整体按一个规则集解析，避免逐文件合并导致元数据/字段语义丢失。

• 决策树 XML 引擎包（tansun 等同源引擎）：识别 RULE_TREE_NODE.xml（RULE_TREE_NODE

节点通过 PID 建立父子树，中间节点 IS_LEAF=false 的分支条件藏在 NODE_HTML，叶子节点 IS_LEAF=true 的结论藏在 RESULT_JSON——两者均为 HTML 实体转义的JSON 条件树 / variableAssign 动作，与规则树共用一套格式）。引擎自动按 PID 重建分支分层、把条件树渲染为中文、把 variableAssign 与 method（如「多取小」函数调用）渲染为结论赋值，分类为 decision_tree。RULE_TREE_PARAM.xml 给出决策树最终输出参数、RULE_REFERENCE_DATA.xml 给出输入/输出字段语义。

• Excel 决策表：.xlsx/.xlsm 用纯标准库解析单元格（无需 openpyxl），

自动识别含「条件/动作/等级」表头的决策表并逐行提取。

• HTML 决策表：抽取 <table> 并结构化，表头含决策表特征时识别为决策。
• 压缩包：zip 自动解包，逐个解析包内所有规则文本/表格文件并合并结果

（结果在 inner_parses 列表）。

• 模型文件拒识：明确模型扩展名直接拒；.bin/.model 等模糊扩展名需魔数

二次确认，降低误拒合法二进制。

• 解析脚本只做「确定性尽力而为」的提取；语义理解由本步骤后的 LLM 完成。

第三步 · 识别判定

• 依据脚本的 classification 与 reasons，结合 references/rule_patterns.md

判定内容为「规则 / 决策 / 衍生变量 / 决策树 / 混合 / 无法识别」。

• 决策树优先定性（强制）：一旦识别为 decision_tree，转换输出开头必须先说明

「这是决策树（Decision Tree），按若干维度逐层分流、最终落到叶子授信/决策方案」，并点明其分支维度（取自 rule_set_meta.dt_branch_fields）与叶子方案数。这与「规则树 /普通规则」的关键区分在于强调路径分流。convert_to_report.py 已自动在「决策树结构」章节插入该定性说明（JSON 主交付中则体现于 classification=decision_tree与 decision_tree 字段归类）。

• 对 blocks 中每条候选做语义归并：
  • 规则/决策：明确「触发条件」与「执行动作」，用中文自然语言表述，保留关键原文片段。
  • 衍生变量：明确「变量名 / 返回类型 / 判断条件 / 目标字段 / 计算表达式 / 引用的输入字段」，

用中文自然语言表述。

• 衍生变量优先定性（强制）：一旦识别为衍生变量，转换输出的开头必须先说明

「这是衍生变量（计算字段）加工，而非普通业务规则 / 决策」，并点明其核心目的（如本次 age 变量即「输入只有身份证，输出自动得到年龄」）。这是与规则 / 决策类输出的关键区分，务必先定性再展开明细。convert_to_report.py 已自动在明细前插入该说明。

• 若 classification == unknown：告知用户未识别到规则/衍生变量特征，引用

references/error_solutions.md 第三条，引导补充信息。

第四步 · 转换输出（JSON 为主，Word 为辅）

本技能默认同时产出两份交付物：结构化 JSON 报告（主）+ 可选 中文 Word（辅）。

• 主交付 · 规则 JSON（始终产出）：运行 scripts/convert_to_json.py <解析JSON> 把结果

整理为纯规则 JSON，顶层字段：source_file / classification（类型字符串）/status / rule_set / rules / derived_variables / decision_tree。

• 只保留规则本身的结构化数据，剔除所有描述/解释类内容（命中特征 reasons、中文标签、

量化指标块 indicators、异常说明 message/solution、文件元信息 meta 等均不输出）。

• 用户明确要求其他格式（Markdown / Excel 决策表 / 具体引擎 DSL 如 Drools、DMN）时，

以该 JSON 为数据源做字段映射即可，无需重新解析。

• 辅交付 · 中文 Word（用户要求或默认一并给出）：沿用 scripts/convert_to_report.py <解析JSON>

渲染中文 HTML 报告草稿，再经 tencent-docx / html-to-docx 技能转 .docx（文件概览 / 识别说明 / 规则明细 / 衍生变量明细 / 决策树结构 / 转换结果 / 异常处理）。

• 用户提供了模版 → 严格按用户模版的字段结构映射每条规则/决策后输出；优先映射到 JSON

字段，需要 Word 时再基于 JSON 生成。

• 衍生变量 / 决策树场景：若 classification 为 derived_variable 或 decision_tree，

JSON 报告的 derived_variables / decision_tree 已自动归类；转换/引用时务必先给出对应定性说明（详见第三步与 references/report_template.md）。

第五步 · 模型文件拒识

• 若脚本 is_model == true（status=rejected），直接反馈无法识别模型文件，

说明本技能仅支持规则语言，并建议改用专门模型分析工具。不要尝试解析模型内容。

第六步 · 错误处理（贯穿全流程）

• 当 status 为 error / rejected / ok_unrecognized 时，向用户反馈：

先说具体原因，再给可操作解决方案。

• 优先采用脚本 solution 字段；更完整的分类参见 references/error_solutions.md。
• 常见场景：文件不存在/0字节（上传中断）、ZIP 损坏（BadZipFile）、编码异常

（非 UTF-8/GBK）、压缩包内无可识别文本、网络中断、解析未预期异常。

• 无法判断根因时，主动请用户补充：文件来源、所用规则引擎、期望输出格式。

资源说明

scripts/

• parse_rule_file.py — 解析引擎。处理格式识别、zip 多文件解包合并、xlsx/HTML

决策表结构化、公式函数识别、衍生变量识别、文本解码、规则/决策检测与候选块提取、模型文件拒识（模糊扩展名需魔数确认）；异常统一收敛为带 solution 的 JSON 报告。用法：python3 scripts/parse_rule_file.py <file> [--extract-dir <dir>]。

• convert_to_report.py — 中文 Word 报告生成器（辅交付）。把解析 JSON 渲染为中文结构化

HTML 报告草稿（含文件概览/识别说明/规则明细/转换结果/异常处理），供 html-to-docx 转 Word。用法：python3 scripts/convert_to_report.py <parse.json> [--out report.html] [--title 标题]（也可从 stdin 读 JSON）。

• convert_to_json.py — 规则 JSON 生成器（主交付，精简纯规则版）。把解析 JSON 整理为

纯规则 JSON（顶层：source_file / classification / status / rule_set / rules /derived_variables / decision_tree），只保留规则结构化数据，剔除描述/解释类内容与indicators 指标块。用法：python3 scripts/convert_to_json.py <parse.json> [--out report.json]（也可从 stdin 读 JSON）。

references/

• rule_patterns.md — 支持的规则/决策语法模式清单（Drools、if-else、中文规则、

公式函数、Excel/HTML 决策表、DMN、评分卡等），用于语义判定对照。

• error_solutions.md — 错误信息与解决方案手册（上传/损坏/识别/解析四类异常）。
• report_template.md — 默认中文 Word 输出模版结构（用户未指定格式时使用）。

注意事项

• 本技能不内置 OCR；图片扫描件形式的规则需先 OCR 再上传。
• 解析脚本为启发式，复杂嵌套逻辑可能提取不完整 —— 此时由 LLM 基于 raw 片段

做语义补全，并在报告中注明。

• 输出一律保持「条件与动作分离」的中文清晰表述，避免直接堆砌源码。