| name | pdf-reader |
| description | 用 pdfplumber 快速提取本地 PDF 的纯文本并转成 Markdown，便于后续阅读、总结和分析。适用于用户发来的 PDF，或从 OpenAlex、PubMed、网页抓取后落到本地的 PDF 文件。仅覆盖有文本层的 PDF；扫描件/图片型 PDF 会明确提示无法直接提取。 |
PDF Reader
用这个 skill 处理“先把本地 PDF 变成可读文本，再继续分析”的场景。
适用范围
- 用户给了一个本地
.pdf 文件路径
- PDF 是从 OpenAlex、PubMed 或网页下载到本地的
- 目标是快速阅读、摘要、问答、提炼要点
不做的事
- 不做 OCR
- 不处理扫描版/纯图片 PDF
- 不保证表格、双栏排版、脚注完全还原
如果脚本提示“没有可提取文本”，直接告诉用户这份 PDF 很可能是扫描件，需要 OCR 流程；不要在这个 skill 里继续硬拆。
快速使用
默认把 Markdown 写到 PDF 同目录下的同名 .md 文件：
uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf
显式指定输出文件：
uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf --output /path/to/file.md
只抽取部分页码：
uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf --first-page 1 --last-page 5
直接打印到标准输出：
uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf --stdout
推荐工作流
- 先运行脚本，把 PDF 转成 Markdown。
- 再读取生成的 Markdown，而不是反复对原 PDF 做低效猜测。
- 对长文档先抽前几页确认质量；质量正常后再跑全文。
- 如果输出字符极少或大量空页，视为“无文本层 PDF”，直接告知限制。
输出约定
- 顶部写入源文件路径和页码范围
- 每页用
## Page N 分段
- 保留空页提示，避免页码错位
相关说明
- 在当前 workspace runtime 里，本地
.pdf 被 read 工具读取时，会自动改走缓存的 Markdown sidecar（*.pdf.md）。
- 入站文件型 PDF 是否会自动进入上下文，取决于 channel 是否正确提供
MediaPath/MediaType 并走通用 file preprocessing；这个不由本 skill 单独保证。
- 这个 skill 只负责 PDF 文本提取与阅读前处理。
- 如果用户要处理
docx，改用 office-docs 或专门的 DOCX skill。
关联 Skill（网络调度协议）
| 关系 | Skill | 场景 |
|---|
| 被调用 | deep-research | 调研中需要提取 PDF 内容 |
| 被调用 | vitaforge-orchestrator | 文档工具调用 |
| 被调用 | office-docs | 文档处理前需提取 PDF 原文 |
