PDF 表格转 Markdown

这个技能解决什么问题

把 PDF 转成 Markdown 看起来简单，实际常遇到几个坑：表格被拆成一堆对齐的纯文本，行列关系丢失；标题层级、列表和粗体在转换后荡然无存；扫描版 PDF 根本没有文本层，直接解析只能得到乱码。这个技能专门针对这三类问题，把 PDF（含扫描版）转换成保留表格结构、层级标题和代码块的标准 Markdown。

它是怎么工作的

这是一个纯提示词 Skill，不依赖专用转换二进制，依靠模型的解析能力完成任务。工作流程大致分四步：

• 接收输入：文件路径、URL 或直接粘贴的文本数据，路径是必填项；
• 解析与识别：提取正文文本，识别表格的行列结构并映射为 Markdown 表格语法，保留标题 1-6 级、列表、粗体等基础格式；
• OCR 兜底：扫描版 PDF 走本地 Tesseract 识别，识别结果会标注置信度，如 [OCR置信度: 92%]，方便人工抽查；
• 校验与输出：生成标准 Markdown 并附处理说明，批量处理时输出统一格式的进度信息。

触发方式很随意，说"pdf转md"、"解析pdf"、"提取pdf表格"这类大白话即可。

适用边界与注意点

这个技能的能力边界比较明确：

• 适合：数据分析前的文档抽取、技术文档维护、论文 OCR、批量内容转换；
• 不适合：复杂版面还原（多栏、图文混排）、数学公式提取、依赖在线 OCR 服务的场景；
• OCR 依赖：扫描版识别需要本地安装 Tesseract，缺失时会给出安装命令；
• 错误处理：输入错误会提示修正，执行异常会保留中间结果，每个错误码都附带修正步骤。

一句话总结：它把"PDF 转 Markdown"这件重复但有结构要求的事标准化了，表格和层级是重点，复杂排版和公式请另寻方案。