PDF 智能提取与格式转换
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_a10ab3ad/markdown-themeable-pdf。
技能介绍
要解决什么问题
不少报告、合同和论文仍以 PDF 分发,你在编辑器里无法直接改段落、复用表格或按章节重组内容。纯复制粘贴常常丢标题层级,表格也会变成一串乱序文本。本技能面向可编辑文本型 PDF(非扫描图),把正文、标题、列表和表格收成一份可直接维护的 Markdown。
技能如何工作
能力上覆盖五项:文本提取、结构识别(标题层级与段落)、表格转 Markdown 语法、批量处理(多文件格式一致)、以及参数化输出(页码范围、markdown/text、表格策略 auto/simple/none 等)。建议流程与 SKILL 文档一致:先确认文件未加密、路径可读;用单份代表性 PDF 试运行并核对标题与表格;再批量输出为 原文件名.md,并按完整性、结构、表格对齐与编码做校验。识别不确定时走置信度门控,低置信片段会带 [需核实:…] 一类标注,便于你人工复核而不是静默吞错。
适用边界
扫描件、纯图片 PDF 不做 OCR;多栏与复杂混排可能丢部分版式;加密 PDF 须先解密;手写不在范围内。复杂表格与特殊符号转换后仍建议校对,勿假定与源文件版式完全一致。
使用场景
- 研究院收到十几份 PDF 附录,需要统一转成带章节标题的 Markdown 再并入 Git 文档仓
- 法务只要合同第 5–12 页条款文字,需按页码范围提取并保留列表层级
- 运营每周汇总多份 PDF 月报表格,要求输出为 Markdown 表格以便脚本合并
- 数据同事对几十份年报 PDF 做批量转换,并在低置信段落上留标注供复核
适合人员
- 写论文或综述、常从 PDF 文献摘录章节结构的研究人员
- 维护知识库、要把供应商 PDF 手册纳入可搜索 Markdown 的内容运营
- 做法务尽调、需从 lengthy PDF 中抽条款文本并保留标题层级的律师助理
- 做 ETL 预处理、要把可编辑 PDF 正文入库且不接受纯文本拍平的数据工程师