技能介绍

你在处理什么

工程里常见场景是：拿到一份几十页的 PDF，只想看某几页正文、把表格导成 Excel，或快速定位「违约金」「营收」这类条款，却不想把整份文件丢给云端 OCR。cn-pdf-assistant 面向本地、可脚本化的 PDF 处理：读盘、写盘，不依赖联网 API。

核心能力怎么串起来

文本提取：可指定页码范围，避免整本解析带来的噪声与耗时。
智能摘要：结合章节标题识别与关键词频率，给出偏「结构感」的摘要，而不是简单截断前几段。
表格提取：基于 pdfplumber 引擎，适合财报、表单类版式；输出侧配合 pandas / openpyxl 做表格化落盘。
关键词问答：在段落粒度做匹配，适合「合同里有没有某条款」「论文里某概念出现在哪」这类检索式问题，而非开放域聊天。
按页拆分：批量把单 PDF 拆成单页文件，便于归档或下游流水线。

典型流程可以是：先定页码范围抽文本 → 需要结构化数据时用表格提取 → 用关键词问答扫关键句 → 最后按需拆分归档。

适用边界

技能声明的权限是读取本地 PDF 与生成输出文件；扫描件、纯图片 PDF 若无文本层，提取与问答效果会明显变差。摘要与问答依赖文本与版式质量，复杂多栏、旋转页或嵌字字体可能需要人工抽检。依赖栈为 Python 3.7+ 与 PyPDF2、pdfplumber 等，环境与 PDF 版本差异会影响个别文件的兼容性。