pdf-processor

name	pdf_processor
description	PDF 文献自动处理工具。功能：(1) 扫描 01_articles/ 目录中的 PDF 文件，(2) 使用 MinerU API 转换为 Markdown，(3) 使用 LLM API 生成摘要，(4) 状态跟踪和断点续传。

Claude Instructions

当用户调用此 skill 时，执行以下步骤：

第一步：PDF → Markdown（脚本执行）

import sys
sys.path.insert(0, '/workspaces/Skills_demo/.claude/skills/pdf_processor/scripts')
from processor import PDFProcessor

config = {
    'pdf_dir': '01_articles',
    'output_dir': '01_articles/processed',
    'status_file': '.info/.pdf_processing_status.csv',
}

processor = PDFProcessor(config)
results = processor.process_all_pdfs()
processor.generate_report(results)

第二步：读取 Markdown 并生成摘要（Claude Code 直接处理）

脚本执行后，检查哪些文件需要生成摘要，然后：

1. 读取 01_articles/processed/md/*.md 文件
2. 用 Claude Code 自身能力分析内容，生成摘要 JSON
3. 保存到 01_articles/processed/summaries/*.json

摘要 JSON 格式

{
  "filename": "paper.pdf",
  "title": "论文完整标题",
  "authors": ["作者1", "作者2"],
  "abstract": "论文摘要原文",
  "summary": "中文通俗总结（200-300字）：研究什么问题、用了什么方法、主要发现、研究意义",
  "key_findings": ["发现1（中文）", "发现2（中文）"],
  "keywords": ["关键词1（中文）", "关键词2（中文）"],
  "metadata": {"word_count": 5000, "char_count": 10000},
  "generated_at": "2026-02-06T12:00:00Z",
  "model_used": "claude-sonnet-4-5-20250929"
}

示例 Prompt

分析这篇论文并输出 JSON：

论文：{filename}
内容：
{content}

要求：
- summary: 中文通俗总结，200-300字，说明研究问题、方法、主要发现和意义
- key_findings: 3-5个关键发现，用中文
- keywords: 3-5个关键词，用中文

只输出 JSON，不要其他文字。

当前状态检查

执行前可检查 .info/.pdf_processing_status.csv 确认哪些文件需要处理。

---

用户文档

自动处理 PDF 文献文件，转换为 Markdown 格式并生成 AI 摘要。

功能概述

功能	说明
PDF 扫描	扫描 01_articles/ 目录，检测新文件
格式转换	使用 MinerU API 将 PDF 转为 Markdown
AI 摘要	使用 LLM API 生成结构化摘要
并行处理	支持多线程并发处理多个 PDF
状态跟踪	记录处理状态，支持断点续传

使用方法

python .claude/skills/pdf_processor/scripts/processor.py

输出结构

01_articles/
├── xxx.pdf
└── processed/
    ├── md/xxx.md
    └── summaries/xxx.json

摘要 JSON 结构见上方 Claude Instructions 部分。

状态文件

处理状态保存在 .info/.pdf_processing_status.csv。

技巧

• 批量处理: 放入多个 PDF 后运行一次
• 并行加速: 默认 5 个并发
• 断点续传: 中断后重新运行会跳过已处理的文件