Boof 本地 PDF 知识处理
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 @org-eyw2ohcx/chiefsegundo-boof-400。
技能介绍
实际问题
长 PDF(论文、白皮书、规范)塞进上下文时,常见问题是 token 烧光 和 lost-in-the-middle:模型要么吃不全,要么在冗长正文里抓不住和你问题相关的那几段。Boof 的思路是 本地留全文,推理只喂片段——先把 PDF 变成可检索的 Markdown 与向量索引,再按语义拉 chunk,而不是每次把整份文件贴进对话。
工作方式
流水线是 PDF → Markdown → QMD 索引 → 按需查询。boof.sh 在本地用 opendataloader-pdf(Java、CPU、无 GPU)把 PDF 转成 Markdown 并写入集合;你用 qmd query 取与问题相关的块,再交给 LLM 做分析、对比或摘录。整份文档默认落在 knowledge/boofed/,可用环境变量或 --output-dir 改路径。
典型路径包括:针对论文某一论点做精读式问答;多篇文献进同一 collection 后做跨文检索;用 qmd search 做字面命中、qmd query 做语义命中。若要 通篇摘要,技能建议按 Markdown 小节逐段摘要再合并,而不是一次塞全书。
边界与注意
依赖 Java、opendataloader-pdf 与 QMD,缺件时按技能内的 setup 说明补齐。它解决的是 本地解析 + 检索切片 + 控 token,不是云端 OCR 服务,也不是替你做最终结论背书;扫描版或极端版式的 PDF 仍受解析器能力限制。
使用场景
- 精读 arXiv 论文时只想让模型看那几段与方法、实验相关的 chunk,而不是整篇 40 页正文
- 手里三四篇竞品白皮书都要对照「数据驻留」条款,先 boof 进同一 collection 再跨文档 query
- 导师问「这篇文章哪里讲了 XX 假设」,用 qmd search / query 在已索引 PDF 里定位段落再写读书笔记
- 法规 PDF 按章节做合规摘录:先本地转 markdown,再按小节检索后逐段让 LLM 归纳
适合人员
- 每周要读多篇英文 PDF 文献、又需要控制 API token 消耗的研究生或科研助理
- 做竞品与行业研究的分析师,要把多份长篇 PDF 放进可语义检索的本地知识库再写对比纪要
- 法务或合规岗需要在大体量规范里反复定位同一主题的条款,不愿每次全量上传云端
- 自己维护本地知识库的知识工作者,希望 PDF 解析在 CPU 本机完成、不依赖 GPU