feat: 接入 PDF、Word、Excel、CSV 与 PPT 附件读取

[hifizz]

背景

ThreadChat 的附件上传链路已存在，但消息输入只允许文本和图片，已有 PDF 文本解析也没有接入 Composer。办公文件需要真正进入模型上下文，并让用户核对读到了什么。

关联 #82。这是办公文件阶段切片，不关闭整个跟踪 Issue。

变更

• 接入 PDF、DOCX、XLSX、CSV、PPTX 的选择/拖放、上传、解析、稳定消息引用、提取内容预览与原文件下载。
• Word 保留段落、表格与脚注；Excel 保留工作表、单元格地址、日期、数字格式、公式及缓存结果；CSV 保留前导零、空值、引号与单元格换行。
• PPT 按实际演示顺序和关系关联备注，修正通用解析器按文件编号组合页面的问题。
• 复用 attachments.pages 保存带位置的片段，Office 的 pageCount 留空；不增加数据库迁移。
• 客户端/服务端共享 MIME 白名单，继续检查所有权、ready 状态与 MIME 一致性。解析超限/失败明确报错；上下文截断明确标识。Office 作为文本供现有模型读取。
• 办公解析按需加载，图片/文本路径不预先加载 Office 解析模块。

设计、API 支持核实、后续阶段与手动验收见 docs/attachments/office-input-mvp.md。

验证

已通过：

• 办公文件真实字节测试：Word 表格/脚注、PPT 打乱页序及备注编号、Excel 日期/公式/合并格/多表、CSV 特殊字符、损坏/伪装文件、上下文预算与引用所有权门禁。
• 既有文本/图片附件、文件卡片渲染、规范化消息管线、客户端状态回归。
• 完整 TypeScript 类型检查、改动模块 ESLint、生产构建（随机临时认证 secret、localhost base URL）。

新增统一测试入口：pnpm test:attachments。

待实际环境验收

本环境没有生产数据库、R2 或模型凭据，尚未执行真实上传→持久化→付费模型调用的联调，因此先提交草稿 PR。验收步骤已写入设计文档。

仍不包含扫描件 OCR、图片/图表视觉、大表按问题检索和完整计算、旧版 DOC/XLS/PPT 解析、上传原地重试、草稿恢复与清理。公式不执行，缓存可能过期；第三方兼容端点尚未验证原生 Office 输入能力。

基于 main 7da00eaba9fb116a4ff4612b08005f51e886cd45。

[vercel]

The latest updates on your projects. Learn more about Vercel for GitHub.

Project	Deployment	Actions	Updated
thread-chatbot	Error		Sep 6, 2026 7:59pm UTC

[coderabbitai]

Important

Draft PR not reviewed

Draft PRs are not automatically reviewed by default.

• Trigger a manual review

To automatically review draft PRs, update your CodeRabbit configuration:

reviews:
  auto_review:
    drafts: true

---

Thanks for using CodeRabbit! It's free for OSS, and your support helps us grow. If you like it, consider giving us a shout-out.

❤️ Share

• X
• Mastodon
• Reddit
• LinkedIn

_{Comment @coderabbitai help to get the list of available commands.}