pdf-reader

name	pdf-reader
description	用 pdfplumber 快速提取本地 PDF 的纯文本并转成 Markdown，便于后续阅读、总结和分析。适用于用户发来的 PDF，或从 OpenAlex、PubMed、网页抓取后落到本地的 PDF 文件。仅覆盖有文本层的 PDF；扫描件/图片型 PDF 会明确提示无法直接提取。

PDF Reader

用这个 skill 处理“先把本地 PDF 变成可读文本，再继续分析”的场景。

适用范围

• 用户给了一个本地 .pdf 文件路径
• PDF 是从 OpenAlex、PubMed 或网页下载到本地的
• 目标是快速阅读、摘要、问答、提炼要点

不做的事

• 不做 OCR
• 不处理扫描版/纯图片 PDF
• 不保证表格、双栏排版、脚注完全还原

如果脚本提示“没有可提取文本”，直接告诉用户这份 PDF 很可能是扫描件，需要 OCR 流程；不要在这个 skill 里继续硬拆。

快速使用

默认把 Markdown 写到 PDF 同目录下的同名 .md 文件：

uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf

显式指定输出文件：

uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf --output /path/to/file.md

只抽取部分页码：

uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf --first-page 1 --last-page 5

直接打印到标准输出：

uv run --with pdfplumber python3 workspace/skills/pdf-reader/scripts/extract_pdf_text.py /path/to/file.pdf --stdout

推荐工作流

1. 先运行脚本，把 PDF 转成 Markdown。
2. 再读取生成的 Markdown，而不是反复对原 PDF 做低效猜测。
3. 对长文档先抽前几页确认质量；质量正常后再跑全文。
4. 如果输出字符极少或大量空页，视为“无文本层 PDF”，直接告知限制。

输出约定

• 顶部写入源文件路径和页码范围
• 每页用 ## Page N 分段
• 保留空页提示，避免页码错位

相关说明

• 在当前 workspace runtime 里，本地 .pdf 被 read 工具读取时，会自动改走缓存的 Markdown sidecar（*.pdf.md）。
• 入站文件型 PDF 是否会自动进入上下文，取决于 channel 是否正确提供 MediaPath/MediaType 并走通用 file preprocessing；这个不由本 skill 单独保证。
• 这个 skill 只负责 PDF 文本提取与阅读前处理。
• 如果用户要处理 docx，改用 office-docs 或专门的 DOCX skill。

关联 Skill（网络调度协议）

关系	Skill	场景
被调用	deep-research	调研中需要提取 PDF 内容
被调用	vitaforge-orchestrator	文档工具调用
被调用	office-docs	文档处理前需提取 PDF 原文