Agent Skills
返回列表
📁

Docext 文档转 Markdown

办公效率 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/convert-pdfs-and-document-images-into-agent-ready-markdown-with-docext，将该技能添加到你的 AI 助手中。

技能介绍

解决的问题

当你有一堆 PDF 或扫描的文档图像，想把它们变成结构化的文本供 RAG 系统、信息提取流程或人工审查使用时，传统 OCR 工具经常只能给你一堆粗糙的文字片段。你需要手动整理格式、识别表格结构、处理多栏布局，结果往往还是需要大量后处理才能勉强塞进下游 pipeline。Docext 这类工具就是为了解决这个断层：直接输出代理就绪的 Markdown，而不是让你在 OCR 输出和最终可用格式之间反复打磨。

核心能力与关键步骤

这个技能基于 Docext 工具，核心能力是把 PDF 和文档图像转换成结构化 Markdown。它在本地或选定的模型后端运行，输出格式针对 RAG、提取和审查工作流做过优化。

关键步骤包括：准备 Python 3.11 环境，安装 Docext 包，准备源 PDF 或文档图像，然后配置支持的 VLM 后端（如 vLLM、Ollama 或托管模型提供商）。运行时它会调用视觉语言模型来解析文档内容，提取文字、表格和结构信息，最后输出干净、结构化的 Markdown 文件。整个过程可以在你自己的基础设施上完成，适合对数据隐私有要求的场景。

适用边界与注意点

有几个明显的边界需要先说清楚。首先，它依赖 VLM 后端的质量——如果你用的是本地 Ollama 跑的小模型，对复杂表格和手写体的识别效果可能不如 GPT-4V 这类大模型，需要根据你的文档类型选择合适的后端。其次，虽然支持文档图像，但纯图片格式的扫描件如果分辨率太低或噪点太多，转换质量会打折扣。最后，它输出的是 Markdown 而非其他格式，如果你的工作流需要 JSON 或 HTML，还得自己做一层转换。

使用场景

  • 你手头有一批扫描版合同 PDF，需要提取条款正文并转成 Markdown，再灌入 RAG 知识库供检索。
  • 学术论文是多栏排版 PDF，你想把每篇转成 Markdown，做文本挖掘和引用分析。
  • 财务每月收到几十份发票扫描件，需要批量把表格内容提取出来存进 CSV 或数据库。
  • 文档包含敏感信息，你想在本地用 Ollama 跑转换，避免上传到第三方托管模型。

适合人员

  • 构建 RAG 系统的后端工程师，需要把大量 PDF 资料转成结构化文本入库。
  • 处理扫描合同的法务助理，每周要把 PDF 条款整理成可检索的 Markdown。
  • 对数据隐私敏感的数据工程师，想在本地跑转换而不外传文档。
  • 做文献挖掘的研究生，需要把多栏论文 PDF 转成 Markdown 再分析。