PDF工具集

你在处理什么

日常里 PDF 往往卡在「能打开但不好改」：要合并合同附件、从扫描件里抠文字、把某一页替换成新版、或对着可填写表单批量填字段。纯靠聊天让模型「描述怎么做」不够，需要 Agent 能按路径调用稳定的本地/脚本函数，并把输出路径或提取结果回传。

技能如何工作

本技能把能力拆成三类模块，由 Agent 根据意图选函数并用关键字参数调用：

• scripts.pdf_tools：基础读写与转换——get_pdf_info、extract_text、merge_pdfs/split_pdf、水印、PDF↔Word/图片/TXT/HTML/Markdown、加解密、旋转/删页/插页/替换页、页眉页脚页码、抽图/表格/书签/批注、compress_pdf/repair_pdf、batch_process 等。
• scripts.form_tools：表单——检查可填字段、提取字段与结构、按字段数据填写，以及基于注释的填写与边界框校验。
• scripts.tools：图片 OCR（URL 或 Base64），与 PDF 级 ocr_pdf 配合扫描件场景。

推荐执行顺序在 SKILL 里写得很直白：识别意图 → 选工具 → 补全参数（缺参用 AskUserQuestion）→ 调用 → 整理结果展示。多数操作支持可选 output_path/output_dir，避免覆盖原文件。

边界与注意点

• OCR 必须配置 XBY_APIKEY：.env 里没有密钥时，应询问用户并通过 scripts.config.set_api_key(api_key) 保存；密钥在 xiaobenyang.com 获取，禁止在无密钥时编造识别结果。
• 系统依赖 Poppler（如 pdf_to_image 等路径常依赖 poppler-utils），环境缺组件时转换类函数会失败，需先补齐依赖再重试。
• 加密 PDF 调用 extract_text 等时需传 password；批量操作 batch_process 的动作类型有限（如 extract/toword/toimage/word2pdf），不要假设支持任意自定义流水线。