pdf-to-md

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技能。

PDF 转 Markdown Skill

将 PDF 文件通过 OCR 转换为结构化的 Markdown 文本。

使用方式

加载本技能后，通过 run_shell_command 调用脚本：

python3 {skill_path}/scripts/pdf_to_md.py <pdf_file_path>

其中 {skill_path} 是 LoadSkill("pdf-to-md") 返回的技能文件夹路径。

返回结果

脚本在 stdout 输出 JSON：

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 truncated 为 "True"，需通过 read_file 读取 output_file 路径获取完整内容。

处理流程

1. 验证文件存在、后缀为 .pdf、大小不超过 50MB
2. 用 PyMuPDF 将 PDF 拆分为单页
3. 每页并发发送至 DeepSeek-OCR API（最多 10 并发）
4. 按页码顺序拼接结果，用 --- 分隔各页
5. 完整结果写入同目录下的同名 .md 文件

环境变量

• OCR_API_KEY：SiliconFlow API Key。本脚本经 run_shell_command 在沙箱里执行， 只能读到 sandbox scope 的环境变量——必须配在「运行配置 → 沙箱环境」， 或按次请求经 variables.sandbox_env 传入。配成 runtime scope 该脚本读不到。

依赖

• PyMuPDF（fitz）
• httpx

两者均已预装在沙箱的 /opt/sandbox-python venv 中（已 PATH 前置），直接 python3 调用即可。