name: multimodal-rag description: > Multimodal PDF RAG guide for slide-level indexing with extracted text, images, tables, and grounded slide citations. license: MIT compatibility: Python 3.12+ metadata: version: "1.0.1" category: rag difficulty: advanced include_tools: search_slides

Skill tools note: metadata.include_tools is a space-separated Deep Agents field. The tools become visible only after this skill is read or pinned, and the agent or SkillsMiddleware must provide matching tool implementations.

Multimodal PDF RAG Skill

공개 강의 PDF/PPTX-export PDF를 슬라이드 단위로 인덱싱하는 예제용 규칙.

워크플로

1. PDF 확보: 공개 URL을 캐시에 다운로드하고 PDF 헤더를 검증한다.
2. 슬라이드 단위 추출: PyMuPDF4LLM to_markdown(page_chunks=True)로 1페이지 = 1 Document를 만든다.
3. 이미지 보강: write_images=True로 추출 이미지를 저장하고, PyMuPDF 렌더링으로 슬라이드 대표 이미지를 만든다.
4. 표 보강: Markdown 표 블록을 분리해 metadata.table_count와 본문 섹션에 넣는다.
5. LLM 이미지 설명: 비전 지원 ChatOpenAI로 슬라이드/이미지를 한국어 설명으로 변환해 검색 텍스트에 합친다.
6. LangChain v1 RAG: InMemoryVectorStore + @tool(response_format="content_and_artifact") + create_agent()를 사용한다.

안전 규칙

• 원본 공개 PDF는 저장소에 커밋하지 않고 .cache/ 아래에 런타임 캐시로 둔다.
• 이미지 설명은 슬라이드 텍스트와 이미지를 근거로 작성하고, 보이지 않는 정보는 추측하지 않는다.
• 검색 답변에는 슬라이드 번호를 반드시 포함한다.