pdf

name	pdf
description	Use this skill whenever the user wants to do anything with PDF files. This includes reading or extracting text/tables from PDFs, combining or merging multiple PDFs into one, splitting PDFs apart, rotating pages, deleting pages, creating new PDFs, and filling PDF forms. If the user mentions a .pdf file or asks to produce one, use this skill.
license	Proprietary. LICENSE.txt has complete terms

PDF Processing Guide

本系统无 shell/Python 环境，外部 PDF 命令行与 Python 库一律不可用。所有操作通过内置工具完成。skill_run API 见 skill_read {"skill":"runtime"}。

Quick Reference

Task	Tool
读取 PDF（推荐，所有模型）	pdf_read {"path": "doc.pdf"} — 仅 path；vision 模型 ≤4 页直接 vision，>20 页直接文本+note，5–20 页 Judge
仅 PDFium 纯文本（跳过 Judge）	office_read_to_markdown {"path": "doc.pdf"}
手动渲染页图（高级）	pdf_render_pages {"path": "doc.pdf"} → .cache/pdf/（pdf_read 内部会自动渲染）
读取 1–4 张图片	image_read {"paths": ["a.png","b.png"]}（vision 模型）
合并	pdf_merge {"inputs": ["a.pdf", "b.pdf"], "out_path": "merged.pdf"}
拆分（按范围/逐页）	pdf_split（详见 reference.md）
旋转页面	pdf_rotate（90/180/270，详见 reference.md）
删除页面	pdf_delete_pages {"path": "in.pdf", "pages": [2, 4], "out_path": "out.pdf"}
创建新 PDF	skill_run + PDFLib（见下方模板）
表格数据整理	office_read_to_markdown 提取文本 → 手工整理为 CSV → data_query
填表单	见 forms.md（当前无自动填表工具）

页码一律 1-based。页面工具详细参数与典型流程：skill_read {"skill": "pdf", "doc": "reference.md"}。

创建新 PDF（skill_run + pdf-lib）

async function main() {
  const { PDFDocument, StandardFonts, rgb } = PDFLib;  // 全局 PDFLib，require('pdf-lib') 也可
  const pdfDoc = await PDFDocument.create();
  const page = pdfDoc.addPage([595, 842]);             // A4 点数
  const font = await pdfDoc.embedFont(StandardFonts.Helvetica);

  page.drawText("Hello PDF", { x: 50, y: 780, size: 24, font, color: rgb(0, 0, 0) });
  page.drawLine({ start: { x: 50, y: 770 }, end: { x: 545, y: 770 }, thickness: 1 });

  const b64 = await pdfDoc.saveAsBase64();
  doc_write("out.pdf", b64);
  return { ok: true };
}
// 不要在末尾调用 main()，运行时会自动调用

⚠️ 中文限制（重要）

pdf-lib 的 StandardFonts（Helvetica 等）不支持中文，drawText 中文会直接报编码错误，且本系统未内置中文字体文件。

中文交付物降级方案（按优先级）：

1. 改交付 docx（skill_run + docx 库，中文完整支持），如用户接受
2. 用户提供 .ttf 中文字体文件 → fs.readFileSync(p) 读字节 → pdfDoc.embedFont(bytes)（需 fontkit，可能不可用，先小样验证）
3. 仅含少量英文/数字的 PDF 才用 pdf-lib 直接生成

修改已有 PDF（pdf-lib load）

async function main() {
  const { PDFDocument, degrees } = PDFLib;
  const bytes = fs.readFileSync("in.pdf");             // 不带 encoding = 字节
  const pdfDoc = await PDFDocument.load(bytes);
  // 加水印文字 / 改 metadata / 复制页面到新文档等
  pdfDoc.setTitle("New Title");
  const b64 = await pdfDoc.saveAsBase64();
  doc_write("out.pdf", b64);
  return { pages: pdfDoc.getPageCount() };
}

简单页面操作（合并/拆分/旋转/删除）优先用原生工具（pdf_merge 等），比 pdf-lib 更快更稳。

不支持的操作

操作	说明
OCR / 扫描件	无独立 OCR 引擎；扫描件用 vision 模型 pdf_read（仅 path）；非 vision 模型会报错
加密/解密	加密 PDF 不支持操作；提示用户先在外部工具解密
提取内嵌图片	无工具
自动填 AcroForm 表单	见 forms.md 的降级方案
结构化表格提取	无自动工具；用 office_read_to_markdown 文本 + 人工整理

典型流程

1. 读取内容（默认）：pdf_read 仅 path（含公式、扫描件、纯文本；vision 模型自动 Judge）
2. 明确只要 PDFium、跳过 Judge：office_read_to_markdown
3. pdf_split / pdf_delete_pages / pdf_rotate 调整结构
4. pdf_merge 合并交付物
5. 需要新建/重绘 → skill_run + PDFLib（注意中文限制）

---

doc-agent 系统约束

• 页码 1-based；越界返回明确错误。
• 合并不保证保留书签/表单/注释，仅保证页面内容与顺序。
• 扫描 PDF：无独立 OCR；vision 模型 pdf_read 可走图片理解路径。