PDF 转 Markdown

问题背景

在文档处理流程中，PDF 常作为最终交付格式，但当需要二次编辑、版本管理或知识库入库时，它的封闭性反而成了障碍。手动复制粘贴不仅破坏排版，还容易引入错漏；现有转换工具要么需要安装依赖，要么对中文字体支持不佳。

核心能力与工作流

该技能直接嵌入运行时环境，无需额外安装。收到 PDF 后，它按以下步骤执行：

1. 定位文件：从消息中提取路径；若用户只粘贴了截图或说“这个 PDF”，则在工作区、剪贴板图片文件夹和常见下载目录中查找最近的 .pdf。
2. 执行转换：调用环境中受管的 Python 3.13.12 解释器执行 /scripts/convert.py <pdf_path>。脚本首次运行时会自安装 markitdown[pdf]，随后在源文件旁写出 .md。
3. 结构校验：读取生成文件的前 50 行，确认标题、列表和表格是否完整。若出现 WARN（输出过短），说明 PDF 可能是扫描版。
4. 结果预览：通过 present_files 将 .md 直接呈现给用户。

适用边界与注意点

• 文本层 PDF 优先：带文本层的电子版 PDF 转换效果最佳，标题、列表和表格能被正确识别为 Markdown 语法。
• 扫描件需 OCR：图片型 PDF 不在基础能力范围内，转换后内容可能过短。此时建议配合 tencentcloud-ocr 或 pdf2image + tesseract 做 OCR 预处理。
• 表格与复杂布局：常规表格会输出为标准 Markdown 表格，但多列、跨页或嵌套布局可能需要少量手动清理。