メニュー
MBA 案例 PDF 智能阅读 Skill：提取 PDF 文本、分块结构化、生成案例摘要卡片、 识别关键数据表格和决策节点。配合 CaseBuddy RAG 流程使用。 触发词：读案例、提取案例、解析PDF、案例速读、案例文本提取、 PDF分析、读这个案例、帮我读PDF、extract case、parse case pdf。
Codex または Claude でインストール この Prompt をコピーして Codex、Claude、または他のアシスタントに貼り付けると、Skill ページを確認してインストールできます。
SOC 職業分類に基づく
MBA 案例 RAG 知识库框架 Skill：将 PDF 案例构建为可检索的知识库， 支持关键词检索和轻量向量检索，按需注入相关片段（替代全文塞上下文）。 触发词：构建知识库、案例RAG、智能检索、按需检索、知识索引、 build rag、case knowledge base、semantic search case。
Convert documents to Markdown using Microsoft's MarkItDown CLI (`markitdown`). Supports PDF, Word, PowerPoint, Excel, images (OCR), audio (transcription), HTML, YouTube, and URLs. Use when a user wants to convert a file or URL to Markdown, extract text from PDFs/images, transcribe audio/video, or batch-convert documents.
MBA案例分析——商业模式画布（Business Model Canvas）9要素拆解。当用户要求分析企业商业模式、盈利模式、价值创造逻辑、客户细分时触发。输出完整BMC九宫格 + 商业模式类型判断 + 创新机会识别，适合MBA案例大赛商业模式分析环节。
MBA案例分析——财务三表深度分析框架。当用户要求分析企业财务状况、盈利能力、偿债能力、现金流质量、财务健康度时触发。输出三表结构化解读 + 关键财务比率 + 财务画像综合判断，适合MBA案例大赛财务分析环节。
MBA案例分析——MECE原则与金字塔原理结构化表达。当用户需要构建结构化分析框架、整理论点逻辑、准备汇报PPT大纲、撰写分析报告时触发。帮助用户将混乱的信息整理成清晰的金字塔结构，确保分析不重叠不遗漏，适合MBA案例大赛汇报表达环节。
MBA案例分析——波特五力模型行业竞争分析。当用户要求分析行业竞争格局、市场吸引力、进入壁垒、竞争强度时触发。输出五力评分表 + 行业吸引力综合判断 + 战略启示，适合MBA案例大赛行业分析环节。
| name | pdf-case-reader |
| version | 1.0.0 |
| description | MBA 案例 PDF 智能阅读 Skill：提取 PDF 文本、分块结构化、生成案例摘要卡片、 识别关键数据表格和决策节点。配合 CaseBuddy RAG 流程使用。 触发词：读案例、提取案例、解析PDF、案例速读、案例文本提取、 PDF分析、读这个案例、帮我读PDF、extract case、parse case pdf。 |
| description_zh | MBA案例PDF智能阅读工具，支持文本提取、分块结构化、摘要卡片、数据识别，可与RAG配合减少全文塞入上下文。 |
| description_en | Smart MBA case PDF reader with text extraction, chunking, summary card generation, and key data identification. Works with CaseBuddy RAG pipeline. |
| allowed-tools | Bash, Read, Write, Glob |
| agent_created | true |
专为 MBA 案例分析大赛设计。目标：从 PDF 提取结构化内容，替代"把全文塞进上下文"的低效做法。
现状（低效）：{{case}} 占位符 → session.caseText（全文）→ 直接拼入 prompt → 塞满 LLM 上下文
目标（高效）：PDF → 分块提取 → 结构化索引 → 按需检索相关片段 → 精准注入 prompt
| 场景 | 调用方式 | 输出 |
|---|---|---|
| 案例速读 | extract_and_summarize | 摘要卡片（300字+时间线+数据表） |
| 角度选择 | extract_key_entities | 企业/行业/问题实体列表 |
| 深度分析 | chunk_by_section | 按章节分块（可供RAG检索） |
| PPT制作 | extract_data_tables | 所有数据表格（财务/市场/运营） |
| 答辩准备 | extract_arguments | 核心论点和支撑证据 |
# 检查并安装依赖
pip install pdfplumber pymupdf markitdown 2>/dev/null || \
python -m pip install pdfplumber pymupdf markitdown
优先使用 pdfplumber（结构化强），回退到 markitdown（兼容性好）：
# 使用脚本：scripts/extract_pdf.py
python scripts/extract_pdf.py --input <pdf_path> --output <output_dir> --mode full
将全文按以下规则分块（避免跨段截断）：
##/### 标题、页码分隔符、明显的空白行{chunk_id, page_range, section_title, char_count}python scripts/chunk_text.py --input <text_file> --chunk-size 1000 --overlap 100
从全文提取关键结构化数据：
python scripts/extract_structure.py --input <text_file> --output case_structure.json
输出格式：
{
"company": "企业名称",
"industry": "行业",
"time_range": "时间范围",
"core_problem": "核心问题",
"key_decisions": ["决策1", "决策2"],
"financial_data": [{"metric": "营收", "value": "XX亿", "year": "2023"}],
"timeline": [{"year": "2020", "event": "..."}],
"chunks": [{"id": 0, "text": "...", "page": 1, "section": "背景介绍"}]
}
生成标准 MBA 案例摘要卡片（300字以内）：
【案例摘要卡片】
企业：xxx | 行业：xxx | 时间：xxxx-xxxx年
核心问题：一句话概括
关键决策点：① ② ③
核心数据：[数据表格]
时间线：[事件序列]
scripts/extract_pdf.py功能：PDF → 纯文本 + 元数据 参数：
--input <path>: PDF 文件路径--output <dir>: 输出目录--mode: full（全文）/ structured（结构化）/ tables（仅表格）scripts/chunk_text.py功能：长文本 → 分块列表（JSON） 参数：
--chunk-size <n>: 每块最大字符数（默认1000）--overlap <n>: 相邻块重叠字符数（默认100）scripts/extract_structure.py功能：提取关键实体和结构（调用LLM辅助理解）
在 WorkBench 的快捷分析中，{{case}} 替换规则改为：
原来：content.replace(/{{case}}/g, session.caseText)
改为：content.replace(/{{case}}/g, session.caseChunks?.summary || session.caseText.slice(0, 3000))
具体实现见 case-rag skill 的集成指南。