Menü
LitMind Paper Parser — 从 PDF 读取全文、清洗噪声、识别标准章节，输出结构化 PaperContent
Mit Codex oder Claude installieren Kopieren Sie diesen Prompt, fügen Sie ihn in Codex, Claude oder einen anderen Assistant ein und lassen Sie die Skill-Seite prüfen und installieren.
Basierend auf der SOC-Berufsklassifikation
| name | litmind-parser |
| description | LitMind Paper Parser — 从 PDF 读取全文、清洗噪声、识别标准章节，输出结构化 PaperContent |
从 PDF 提取全文 → 提取表格 → 自动清洗（页眉/页脚/页码/重复）→ 识别标准章节（Abstract/Introduction/Methods/Results/Discussion/Conclusion/References）→ 输出结构化 PaperContent。
不做 AI 分析。 只负责 PDF 解析和文本结构化。
支持多引擎（pymupdf / pdfplumber / PyPDF2），自动选择可用的。
使用 pymupdf 的 find_tables() 自动检测和提取 PDF 中的表格，转为 Markdown 格式。
ExtractedTable 对象存储在 tables 字段fullText 末尾供 LLM 分析Table N / Figure N 行，保留表格上下文中英文双模式匹配，识别：
统一 PaperContent JSON 格式（含 tables 字段）。
{
"paperKey": "KP33THHS",
"sourcePath": "C:/.../paper.pdf",
"fullText": "清洗后的全文...\n\n--- Extracted Tables ---\n\n[Table 1]\n| Header1 | Header2 |\n| --- | --- |\n| data1 | data2 |",
"sections": {
"abstract": "...",
"introduction": "...",
"methods": "...",
"results": "...",
"discussion": "...",
"conclusion": "...",
"references": "..."
},
"tables": [
{
"pageNum": 1,
"header": ["Header1", "Header2"],
"rows": [["data1", "data2"]],
"markdown": "| Header1 | Header2 |\n| --- | --- |\n| data1 | data2 |"
}
],
"pageCount": 8,
"charCount": 45231,
"parseSuccess": true
}
/litmind-parser [pdf_path]
Python 包: litmind/src/litmind_parser/
LitMind Paper Analyzer — 将论文全文转为结构化科研知识 (PaperAnalysis)
LitMind Discussion Generator — 基于证据的 Discussion 草稿生成
LitMind Evidence Finder — 科研证据检索与归纳系统
LitMind Knowledge Base — 存储、索引、检索、更新科研知识库
LitMind Review Generator — 基于科研知识库的综述生成系统
LitMind Zotero Connector — 从 Zotero 本地数据库导出全部文献（期刊/学位论文/会议论文等）+ 独立PDF附件为统一 PaperMetadata 模型