菜单
基于DeepSeek视觉大模型（deepseek-v4-flash-vision-exp）的PDF深度问答与检索（vision RAG）。当用户提到 PDF、文档、资料、报告、论文、电子书、手册、说明书，并想提问、查找、搜索、总结或理解其内容，或问"在哪一页"、"引用原文"、要页面截图时，使用本skill。支持扫描版、图表、表格、代码的视觉理解；回答带物理页码引用，并把命中页原图展示给用户。
默认使用会先检查来源的 Prompt；你也可以切换为直接命令，或下载本地副本。
决定是否安装前，请先阅读 SKILL.md，以及 SkillsMP 当前展示的配套文件。
用 Codex 或 Claude 帮你安装 复制这段 Prompt，粘贴到 Codex、Claude 或其他助手里，让它检查 Skill 页面并帮你完成安装。
直接命令不会经过审查 Prompt；运行前请先检查来源。
npx skills add https://github.com/liangdabiao/deepseek-v4-flash-vision-rag --skill deepseek-v4-flash-vision-rag命令会保持在同一行。复制前请横向滚动并检查完整内容。
想先保存到本地？可下载 SkillsMP 当前能够提供的文件。
正在显示 SKILL.md
| name | deepseek-v4-flash-vision-rag |
| description | 基于DeepSeek视觉大模型（deepseek-v4-flash-vision-exp）的PDF深度问答与检索（vision RAG）。当用户提到 PDF、文档、资料、报告、论文、电子书、手册、说明书，并想提问、查找、搜索、总结或理解其内容，或问"在哪一页"、"引用原文"、要页面截图时，使用本skill。支持扫描版、图表、表格、代码的视觉理解；回答带物理页码引用，并把命中页原图展示给用户。 |
用 DeepSeek 视觉大模型"看懂"整份 PDF：先为每页建立视觉索引（一次性、缓存复用），
再对用户问题做 本地粗筛 → 视觉精排 → 深读回答，回答带 [第N页] 引用，
并把命中页图片展示给用户。
相比逐段文本 RAG，它直接看页面图像，因此能理解排版、图表、表格、代码块， 扫描版也能用；页码来自渲染本身，天然精确。
openai、pymupdf(fitz)（本机已装；缺了先 pip install）DEEPSEEK_API_KEY 覆盖scripts/ 下，Windows 下可直接 python scripts/xxx.pypython scripts/ingest.py "<pdf路径>"
scripts/.cache/<sha>/index.json--force 重建索引；--limit N 只索引前 N 页（大文档先试水）；
--clean 删本地缓存python scripts/ask.py "<pdf路径>" "用户的问题"
[第N页] 引用的答案--top K 深读页数；--cands N 粗筛候选数；--no-images 不复制图片脚本 stdout 分四段：=== 答案 ===、=== 引用页 ===、=== 页面图片 ===（图片
已复制到 ./pdf-vision-out/<书名>_p<N>.png）。
终端里用户未必能看到 inline 图片，所以必须给出用户自己能打开的路径，按优先级：
./pdf-vision-out/ 生成 <书名>_<问题>.html
——自包含单文件（答案 + 全部引用页原图 base64 内嵌），把路径告诉用户，
双击即可在浏览器查看，无需联网。Windows 下也可代用户执行 start "<路径>" 打开。./pdf-vision-out/<书名>_p<N>.png，用户只要某几页时逐张给出。用户想直接看某几页时：
python scripts/show.py "<pdf路径>" --pages 6,7 [--dpi 220]
然后把输出的 PNG 路径给用户（同样可 start 打开）。
[第N页] 引用标记--limit 建过的索引是部分的，之后不带 --limit 重跑会自动补全references/api-notes.md，改 scripts/ds_client.py 前必读references/index-schema.md