| name | mineru-pdf-reader |
| description | Use this skill whenever the user asks to read, parse, or process one or more PDF files (.pdf). It converts the PDFs into Markdown using the MinerU (TextIn) API to handle long contexts, text, images, and tables perfectly, and then reads the resulting Markdown to fulfill the user's request. It also supports processing multiple PDFs simultaneously by creating separate output folders. |
MinerU PDF Reader
This skill is designed to handle PDF files effectively by converting them into Markdown (with images) using the MinerU / TextIn API before answering user queries.
核心动机与优势 (Core Motivation & Advantage):
传统的 PDF 解析工具往往只能生硬地提取纯文本，这会导致文档中的图片、复杂的表格布局等关键信息大量丢失。而通过本工作流，AI Agent 可以直接读取高质量的 Markdown 排版并结合本地保存的图片进行视觉分析。这不仅避免了因上下文过长导致的崩溃，更使得机器能够像人类一样完整、准确地阅读文档里的图表和复杂结构。
工作流 (Workflow)
对于用户提供的每一个 PDF 文件，执行以下步骤：
- 定位目标 PDF 文件: 找到用户想要阅读或处理的
.pdf 文件路径（例如 论文A.pdf）。
- 定位转换脚本: 脚本
convert_pdf.py 位于本 Skill 目录下的 scripts 文件夹中（即与此 SKILL.md 同级的 scripts/convert_pdf.py）。在执行命令前，你必须先动态获取或拼接出该脚本在当前系统中的绝对路径。
- 确定输出文件夹名称: 根据 PDF 的文件名动态创建一个专属的文件夹名称。规则为：去掉
.pdf 后缀，加上 md文档。例如：对于 论文A.pdf，输出文件夹名称应为 论文A md文档。对于多篇论文（如论文A和论文B），分别对应 论文A md文档 和 论文B md文档。
- 转换 PDF: 运行打包好的 Python 脚本，将 PDF 转换为 Markdown 文档及包含图片的文件夹。
- 运行命令:
python <转换脚本的绝对路径> <PDF的路径> "<输出文件夹名称>"
- 例如：
python C:\path\to\skill\scripts\convert_pdf.py 论文A.pdf "论文A md文档"
- 获取并读取所有输出文件 (强制视觉): 转换完成后，你绝对不能只读取
document.md。你必须：
- 首先，使用文件系统工具（如
list_directory）列出该输出文件夹下的所有文件。
- 然后，主动调用你的文件读取工具（如
read_file）将列出的所有文件（包括 document.md 以及所有的 .jpg, .png 图片文件）全部读取进你的上下文中。
- 只有显式地对图片调用了
read_file，你才能真正“看到”它们。不要跳过这一步！
- 完成用户需求: 综合你刚刚同时读取到的 Markdown 文本结构和所有真实图片、表格的内容，准确回答用户的原始请求。
重要指令 (Critical Instructions)
- 绝对不要直接使用普通工具读取 PDF 文件。在执行任何读取操作前，必须先使用脚本进行转换。
- 强制多模态读取策略：由于大模型在纯文本读取时容易忽略图片，你被强制要求在转换完成后，使用
list_directory 查看输出文件夹，并对其中的每一张图片主动执行 read_file。如果你没有留下调用 read_file 读取图片的工具执行记录，说明你违背了本 Skill 的核心工作流！
- 处理多个 PDF 时，请确保为每个 PDF 单独运行脚本，并指定各自独立的输出文件夹（基于其原文件名）。
- Python 脚本是独立运行的。它依赖
requests 和 urllib3 库，并且需要读取系统环境变量 MINERU_API_TOKEN 作为访问凭证。如果脚本执行提示缺失 token，请提醒用户配置该环境变量。
