专利 PDF 转 JSON

要解决什么问题

专利文献常以 PDF 分发，权利要求、说明书与附图混在同一文件里，下游检索、比对或入库往往需要结构化 JSON，而不是整份二进制 PDF。手工复制或通用 OCR 很难稳定对齐「专利号、权利要求、段落层级」等字段；本技能把流程拆成三条职责单一的 CLI，便于在脚本里串联、失败时按契约排查。

技能如何工作

整体链路是：裁剪 → MinerU 解析 → Markdown 转 JSON。

• claims-trim：按 --input 与 --id_regex 等对 PDF 做裁剪，输出到 --output_dir，支持 --workers 并行与 --overwrite / --keep_tmp 控制是否覆盖与保留临时文件。
• pdf-extract：调用 MinerU 将 PDF 转为 Markdown。支持 local 与 cloud 两种模式；local 固定走本地 pipeline。共用参数包括 --page_range、--timeout_sec、--retry；cloud 模式缺 token 会 fail-fast。local 下 --timeout_sec 仅作参考，MinerU CLI 内部仍有独立超时。
• md-to-json：将 MD 按 --schema_version 转为 JSON，可用 --strict on|off 控制校验严格程度。

失败项在 JSON 契约中至少应包含 schema_version、patent_id、status=failed、error、raw_data，便于批量任务里单独重跑或人工核对。

适用边界与注意点

• 适合「导入专利 PDF」「批量提取」「指定 MinerU 解析」等明确要结构化产物的场景；用户直接丢 PDF 并要求处理时也应走此 skill。
• cloud 模式默认严格校验 SSL 证书，不提供跳过校验的回退；若出现 TLS 握手类错误，优先检查并关闭系统/终端代理后重试，常见根因是代理链路干扰，而非 token 或主流程参数必然配错。
• 字段级 JSON schema 的细节会分步补充；当前以三条 CLI 的分工与失败契约为准规划流水线。