| name | pdf |
| description | PDF 文件处理。用于读取、提取文本/表格/图片、合并、拆分、旋转、水印、加密/解密、表单填写、页面渲染。当用户提到 .pdf 文件或需要操作 PDF 时触发。 |
| license | Proprietary. LICENSE.txt has complete terms |
| argument-hint | [read|write] [operation] [path] |
| user-invocable | true |
PDF - PDF 文件处理
依赖：pdf-lib (PDF 操作) + pdf-parse v2.4+ (文本/表格/图片提取、页面渲染)
工具
本技能提供两个工具，通过 operation 参数区分具体操作：
| 工具 | 最终名称 | 说明 |
|---|
read | pdf__read | PDF 读取操作（不修改原文件） |
write | pdf__write | PDF 写入操作（创建或修改文件） |
read - PDF 读取工具
通过 operation 参数区分具体读取操作：
| operation | 功能 | 关键参数 |
|---|
metadata | 读取元数据 | parse_page_info |
text | 提取文本 | from_page, to_page |
tables | 提取表格 | from_page, to_page |
images | 提取图片 | from_page, to_page, image_threshold |
render | 渲染页面为图片 | output_dir, scale, from_page, to_page |
markdown | 转 Markdown | output, from_page, to_page |
fields | 检查表单字段 | - |
field_info | 获取字段信息 | output |
参数说明
通用参数：
path (string, required): PDF 文件路径operation (string, required): 操作类型from_page (number, optional): 起始页（从1开始）to_page (number, optional): 结束页（包含）suppress_warnings (boolean, optional): 抑制警告输出（默认: true）
metadata 操作参数：
parse_page_info (boolean, optional): 解析每页详细信息（默认: false）
images 操作参数：
image_threshold (number, optional): 图片最小尺寸阈值，像素（默认: 80）
render 操作参数：
output_dir (string, optional): 输出目录（不指定则只返回 dataUrl）scale (number, optional): 缩放比例（默认: 1.5，相当于 150 DPI）desired_width (number, optional): 期望宽度（像素），设置后将忽略 scaleprefix (string, optional): 输出文件名前缀（默认: "page"）
markdown 操作参数：
output (string, optional): 输出 markdown 文件路径
调用示例
pdf__read({ path: "doc.pdf", operation: "metadata" })
pdf__read({ path: "doc.pdf", operation: "text", from_page: 1, to_page: 5 })
pdf__read({ path: "doc.pdf", operation: "tables" })
pdf__read({ path: "doc.pdf", operation: "images", image_threshold: 100 })
pdf__read({ path: "doc.pdf", operation: "render", output_dir: "./images", scale: 1.5 })
pdf__read({ path: "doc.pdf", operation: "markdown", output: "doc.md" })
pdf__read({ path: "form.pdf", operation: "fields" })
pdf__read({ path: "form.pdf", operation: "field_info", output: "fields.json" })
write - PDF 写入工具
通过 operation 参数区分具体写入操作：
| operation | 功能 | 关键参数 |
|---|
create | 创建 PDF | content[], title, page_size |
merge | 合并 PDF | paths[] |
split | 拆分 PDF | output_dir, pages_per_file |
rotate | 旋转页面 | pages[], degrees |
encrypt | 加密 PDF | user_password, owner_password |
decrypt | 解密 PDF | password |
watermark | 添加水印 | watermark, is_text |
fill | 填写表单 | field_values |
参数说明
通用参数：
path (string, required for most operations): PDF 文件路径output (string, required): 输出文件路径operation (string, required): 操作类型
create 操作参数：
content (string[], required): 文本内容数组（每项为一页）title (string, optional): PDF 标题page_size (string, optional): 页面大小 - "letter" 或 "a4"（默认: "a4"）
merge 操作参数：
paths (string[], required): 要合并的 PDF 文件路径数组（至少2个）
split 操作参数：
output_dir (string, required): 输出目录pages_per_file (number, optional): 每个文件的页数（默认: 1）prefix (string, optional): 输出文件名前缀（默认: "page"）
rotate 操作参数：
pages (number[], optional): 要旋转的页码（从1开始，为空则旋转所有）degrees (number, optional): 旋转角度 - 90, 180, 270（默认: 90）
encrypt 操作参数：
user_password (string, required): 打开 PDF 的密码owner_password (string, optional): 编辑密码（默认使用 user_password）
decrypt 操作参数：
password (string, required): 当前密码
watermark 操作参数：
watermark (string, required): 水印文本或水印 PDF 路径is_text (boolean, optional): true 为文本水印，false 为 PDF 路径（默认: true）
fill 操作参数：
field_values (object, required): 字段名和值的键值对
调用示例
pdf__write({
output: "new.pdf",
operation: "create",
content: ["第一页内容", "第二页内容"],
title: "我的文档"
})
pdf__write({
output: "merged.pdf",
operation: "merge",
paths: ["a.pdf", "b.pdf", "c.pdf"]
})
pdf__write({
path: "doc.pdf",
output: "merged.pdf",
operation: "split",
output_dir: "./split",
pages_per_file: 1
})
pdf__write({
path: "doc.pdf",
output: "rotated.pdf",
operation: "rotate",
degrees: 90
})
pdf__write({
path: "doc.pdf",
output: "rotated.pdf",
operation: "rotate",
pages: [1, 3, 5],
degrees: 180
})
pdf__write({
path: "doc.pdf",
output: "encrypted.pdf",
operation: "encrypt",
user_password: "secret123"
})
pdf__write({
path: "encrypted.pdf",
output: "decrypted.pdf",
operation: "decrypt",
password: "secret123"
})
pdf__write({
path: "doc.pdf",
output: "watermarked.pdf",
operation: "watermark",
watermark: "机密文件"
})
pdf__write({
path: "form.pdf",
output: "filled.pdf",
operation: "fill",
field_values: {
name: "张三",
date: "2026-03-28",
approved: true
}
})
常见任务
扫描版 PDF 处理
对于扫描版 PDF 或基于图片的 PDF，文本提取可能失败。使用 render 操作转换为图片，然后发送给 VL（视觉语言）模型进行文字识别。
工作流程：
- 使用
read 工具的 render 操作将 PDF 页面转换为 PNG 图片
- 将生成的图片发送给 VL 模型（如 GPT-4V、Claude Vision、Qwen-VL）
- VL 模型将识别并提取图片中的文字
示例：
pdf__read({ path: "scanned.pdf", operation: "render", output_dir: "./images", scale: 1.5 })
快速参考
| 任务 | 工具 | operation |
|---|
| 读取元数据 | read | metadata |
| 提取文本 | read | text |
| 提取表格 | read | tables |
| 提取图片 | read | images |
| 渲染页面 | read | render |
| 转 Markdown | read | markdown |
| 检查表单字段 | read | fields |
| 获取字段信息 | read | field_info |
| 创建 PDF | write | create |
| 合并 PDF | write | merge |
| 拆分 PDF | write | split |
| 旋转页面 | write | rotate |
| 加密 PDF | write | encrypt |
| 解密 PDF | write | decrypt |
| 添加水印 | write | watermark |
| 填写表单 | write | fill |
更新日志
- 2026-03-28: 重构为两个工具（read + write），通过 operation 参数区分具体操作
- 2026-03-26: 升级 pdf-parse 到 v2.4.5，新增表格提取、图片提取、页面渲染功能
