pdf

pdf 技能概览

pdf 技能适合做什么

pdf 技能是一份实用的 PDF Processing 指南，适合在你需要以可落地的工作流去读取、提取、转换或创建 PDF 文件时使用。它尤其适合处理常见文档任务，例如文本提取、合并、拆分、旋转、表单填写、加密、图片提取，以及针对扫描版 PDF 的 OCR。

适合安装给谁

如果你经常在自动化、数据提取、报告生成或支持工具中处理文档，建议安装 pdf 技能。它特别适合需要可重复方法，而不是一次性提示词的场景；也适合那些必须按顺序完成多个 PDF 步骤的任务。

它为什么有用

pdf 技能的核心价值在于，它聚焦的是实际的 PDF 工作流，而不是泛泛而谈的答案。它会给你清晰的路径，帮助你选择库、区分扫描版 PDF 和文本型 PDF，并避免常见错误，比如把表单字段交给错误的工具处理，或者在文本已经存在时误以为必须做 OCR。

如何使用 pdf 技能

安装 pdf 技能

先按这个 repo 的技能安装流程安装，然后直接打开技能源文件：
scientific-skills/pdf/SKILL.md

如果你的环境支持，仓库里给出的安装命令是：
npx skills add K-Dense-AI/claude-scientific-skills --skill pdf

先给技能正确的输入

pdf 的最佳用法，始于一个明确的目标、文件类型和输出格式。要说明这个 PDF 是什么、你想让它做什么，以及有哪些限制。例如：“把一份 40 页的扫描版 PDF 里的表格提取成 CSV”，或者“合并这三个 PDF，保持页码顺序，并尽可能保留书签”。

先读对的部分

先看 SKILL.md 里的工作流；如果任务涉及更高级的操作或表单填写，再查看其中链接的配套文件，比如 reference.md 或 forms.md。最快的做法，是先把你的任务对应到准确的章节，再开始写代码。

使用任务化提示词

更强的提示词能给技能足够上下文，帮助它选对方法：

• 输入文件类型：文本型 PDF 还是扫描版 PDF
• 目标：提取、合并、拆分、脱敏、签名、OCR 或创建
• 输出：PDF、文本、CSV、JSON 或图片
• 约束：保留版式、保留元数据、批量处理，或避免付费工具

示例：“使用 pdf 技能对扫描版发票做 OCR，提取供应商名称、日期和总金额，并返回结构化 JSON。优先使用开源 Python 库，并保持每个字段对应的页码。”

pdf 技能常见问题

pdf 技能只能用来读 PDF 吗？

不是。pdf 技能覆盖的是整个 PDF Processing 过程，包括提取、编辑、创建和转换等任务。如果你的工作只是读取文本，流程会更简单；如果你的工作还包括合并、拆分、表单或 OCR，这个技能就更有价值。

什么时候不该用 pdf 技能？

如果你的任务只是手动打开一个单独的 PDF，那么完整技能可能没必要。它也不太适合那些本质上不是 PDF 问题的场景，比如需要对图片进行 OCR、进行 Office 文档转换，或者仓库范围之外的复杂桌面签名流程。

pdf 技能会替代普通提示词吗？

通常会比普通提示词更可靠，因为它提供了可重复的安装和使用路径。泛化提示词可以回答单个 PDF 问题，但当你需要稳定结果、可复用步骤，或者后续还会再次运行的代码时，pdf 指南更合适。

对新手友好吗？

友好，只要你有清晰目标。新手通常最适合从一个任务、一种文件类型和一种输出开始。真正的阻碍通常是输入太模糊，而不是技术背景不够。

如何改进 pdf 技能

把第一次请求写具体

最好的结果来自对 PDF 任务的精确命名。“提取所有表格”不如“把扫描版 PDF 第 3 到 12 页的表格提取为 CSV，保持行顺序，并标注任何无法识别的单元格”。目标越明确，技能需要猜测的地方就越少。

说明关键的 PDF 约束

告诉技能文件是扫描版、加密、基于表单、体积很大，还是图片密集。这些细节会改变 PDF Processing 的实现路径，也能避免在文本提取、OCR 或编辑方面做出错误假设。

对照真实文档检查输出

第一次运行后，把结果和源 PDF 对照，检查是否有缺页、阅读顺序错乱、列合并错误，或者表单值丢失。如果有问题，不要只要求更大范围重跑，而是把失败模式写进提示词里。

结合最终格式迭代

如果你需要代码，就要求输出与你的运行时和库匹配的代码。如果你需要数据，就明确 schema。如果你需要最终 PDF，就说明你最在意的是版式保真、书签、批注，还是文本可搜索性。