메뉴
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 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
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。