feat(t73): Excel/CSV 抽取器——企業用很多（leo）

leo 兩句定調：
①「要思考 Excel 和 csv 的問題，因為企業用很多」
②「企業的 excel 通常不會是 1 萬行，人工做不出這麼多，但你可以轉結構資料丟進去」
→ 修正我先前「CSV 會變數字牆、先不加」的判斷——那是拿機器產生的百萬列當前提。
   實測 60列x6欄 ≈ 2,200 token，對 LLM 完全不是問題。

統一中間格式＝Markdown（leo 提 n8n 對照後定調）：
n8n 一切轉 JSON 是對的，因為它下游是程式（.欄位 取值）；
我們下游是 LLM ⇒ Markdown 表格更好。實測同一份表格
JSON 6,872 字元 vs Markdown 3,341＝JSON 多花 2.1 倍 token（每列重複寫欄位名）。

測試 8/8，用 openpyxl 產的真 Excel 檔（非自捏 XML）：
  ⭐ 測試抓到兩個真 bug（讀原始碼看不出來）：
     ① rels 的 Target 是絕對路徑 /xl/... 我卻又補 xl/ 前綴 → 變 xl/xl/...
     ② r:id 帶 namespace，寫 xml:"id,attr" 抓不到，要用完整 namespace URI
     修好後分頁名從 ## sheet1 變成 ## 維修紀錄（企業分頁名本身就是語意）
  CSV：去 BOM(Excel 另存必帶)／引號內逗號不拆欄／| 跳脫／欄數不齊不整份失敗
  XLSX：多工作表全讀(只取第一頁會漏)／sharedStrings 索引／壞檔報錯

防呆：超過 500 列截斷並明說截斷了（不靜默丟資料）；單格超 500 字截斷。

convert.go

@@ -42,10 +42,23 @@ type extractor func(data []byte) (string, error)
 // extractors＝格式→師傅的對照表。加新格式只要在這裡註冊一行。
 //
 // .md/.markdown/.txt 不在此表：它們本來就是純文字，走 passthrough（見 ConvertToText）。
+// **統一中間格式＝Markdown**（2026-07-27，leo 提 n8n 對照後定調）。
+//
+// leo：「其實 n8n 把一切 extract 都轉成 json，因為**它內部跑 json**」——這個觀察是對的，
+// 而且點出「**統一中間格式**」本身就是價值。差別在下游是誰：
+//
+//	n8n 的下游是**程式**（節點之間要 `$json.欄位` 取值）→ JSON 可定址，正確。
+//	我們的下游是 **LLM**（讀完寫知識卡）→ Markdown 表格更好。
+//
+// 實測（60 列 × 6 欄的維修紀錄表）：JSON 6,872 字元 vs Markdown 3,341 字元，
+// **JSON 多花 2.1 倍 token**——因為每一列都要重複寫一次欄位名。
+// 且 Markdown 與卡片格式同語言，萃出來的卡自然帶得走表格。
 var extractors = map[string]extractor{
 	".docx": extractDocx,
+	".csv":  extractCSV,
+	".xlsx": extractXLSX,
 	// .pdf  → PDFium-via-wazero（下一步接；體積 +10.43MB，實測 15頁/2.2MB=134ms）
-	// .pptx/.xlsx → 同 docx 的 ZIP+XML 路數，各數十行，體積幾乎不變（POC 實測 +0.31MB）
+	// .pptx → 同 docx 的 ZIP+XML 路數，數十行，體積幾乎不變
 }
 
 // IsPlainText 回報這個副檔名是否本來就是純文字（不需要轉檔）。