| name | pdf-to-md |
| description | 将用户提供的 PDF 文件通过 OCR 转换为 Markdown 文本。使用 SiliconFlow DeepSeek-OCR 逐页识别，支持并发处理，结果自动保存为同名 .md 文件。
当用户提到 PDF 解析、PDF 转文本、读取 PDF 内容、识别 PDF 中的文字、OCR、扫描件识别等场景时使用此 skill。即使用户只是说"帮我看看这个 PDF"或"把这个文件转成文字"，也应触发。
|
PDF 转 Markdown Skill
将 PDF 文件通过 OCR 转换为结构化的 Markdown 文本。
何时使用
- 用户提供了 PDF 文件需要读取内容
- 需要从扫描件、证件、合同等 PDF 中提取文字信息
- 其他 skill（如公积金审核）需要解析用户提交的 PDF 材料
使用方式
本技能没有注册同名工具，用 run_shell_command 跑技能自带的脚本（部署后位于 /home/user/.skills/pdf_to_md/scripts/pdf_to_md.py）：
python /home/user/.skills/pdf_to_md/scripts/pdf_to_md.py path/to/document.pdf
脚本向 stdout 打印 JSON 结果。多个 PDF 分别调用即可。
返回结果
| 字段 | 说明 |
|---|
markdown | 转换后的 Markdown 文本（超过 10000 字符会截断） |
output_file | 完整结果保存的 .md 文件路径 |
total_pages | PDF 总页数 |
total_chars | 完整文本的字符数 |
truncated | 是否被截断（"True"/"False"） |
如果返回结果中 truncated 为 "True"，说明 markdown 字段只包含前 10000 字符，完整内容需通过 read_file 读取 output_file 路径的文件。
处理流程
- 验证文件存在、后缀为 .pdf、大小不超过 50MB
- 用 PyMuPDF 将 PDF 拆分为单页
- 每页并发发送至 DeepSeek-OCR API（最多 10 并发）
- 按页码顺序拼接结果，用
--- 分隔各页
- 完整结果写入同目录下的同名 .md 文件
- 返回截断后的文本供 LLM 直接使用
注意事项
- 每页独立 OCR，复杂跨页表格可能识别不完整，需人工核对
- 扫描质量差的 PDF（模糊、倾斜、手写）识别准确率会下降
- 需要
OCR_API_KEY 环境变量（必填、无默认值，缺失时脚本直接报 "API Key required for PDF OCR"）；OCR_BASE_URL 可选，默认指向 SiliconFlow
- 脚本跑在沙箱里，所以这两个环境变量必须配置在 sandbox scope（runtime scope 的变量沙箱读不到）
- 依赖
PyMuPDF（fitz）和 httpx，沙箱镜像已预装，无需在 nexau.json 里额外声明 setup
