wordflowlab/agentsdk/pdfmd

PDF to Markdown 转换 Skill（示例）

何时使用

当出现以下任一情况时，可以考虑启用本 Skill：

• 用户说“把这个 PDF 转成 Markdown / MD / 文本 / 文档”
• 用户上传或引用 PDF 文件，并要求“提取里面的正文”“翻译成中文 Markdown”等

如果用户只是一般性阅读 / 总结 PDF，而不要求导出 Markdown，可以直接阅读 PDF 文本或使用其他技能。

工作目录结构

在当前示例项目中，本 Skill 所在目录如下：

workspace/
  skills/
    pdfmd/
      SKILL.md
      pdf_extract.py

其中：

• SKILL.md 为本说明文件
• pdf_extract.py 是一个 Python 脚本，仅负责从 PDF 中提取纯文本（不调用任何大模型），

再由当前 Agent 使用已有的大模型配置完成翻译和 Markdown 转换。

注意：本 Skill 假设在执行环境中已经安装了 Python 以及依赖:

- pypdf

给 Claude 的操作步骤（使用 SDK 内置能力）

当你判断应当使用本 Skill 时，请按以下顺序操作：

1. 确认 PDF 文件路径

• 如果用户提供了路径（例如 docs/report.pdf），先确认该路径在当前工作区内。
• 如果用户上传了 PDF 文件，将其保存到本地工作目录（如 ./docs/），并记住实际路径。

1. 选择输出路径

• 如果用户希望生成一个 Markdown 文件，可以选定输出路径，例如：
• 输入：docs/report.pdf
• 输出：docs/report.md

1. 使用 `Bash` 调用 Python 脚本提取 PDF 文本

使用 Bash 工具执行 Python 脚本来读取 PDF 内容，例如（注意：命令在沙箱工作目录 workspace/ 下执行，因此路径从 skills/ 开始）：

``bash python skills/pdfmd/pdf_extract.py \ --input "<PDF 文件路径>" \ --pages "<页码范围，可选，如 1-3,5>" ``

说明：

• --input：要读取的 PDF 文件路径（必填）
• --pages：可选页码范围，例如 "1-3,5"
• 脚本不会调用任何大模型，只会将提取出的纯文本打印到 stdout。

Bash 工具的返回中：

• ok: 命令是否执行成功（exit code 为 0）
• output: 包含脚本的标准输出（即提取出的 PDF 文本）

1. 在当前对话中使用大模型进行转换

在拿到 Bash 的输出后，不需要在 Skill 或脚本中直接调用任何外部大模型 API。 而是：

• 将 output 字段中的内容视为原始 PDF 文本；
• 在当前 Agent 的对话中，结合本 Skill 的说明，向大模型发出请求：
• 将文本翻译成中文；
• 调整结构为合理的标题、段落、列表等；
• 输出为标准的 Markdown 格式。

> 所有大模型调用由 SDK 的 provider/router 统一负责，自动使用当前 Agent 配置好的模型和路由策略， > Skill 不负责管理 API Key 或模型选择。

1. 使用 `Write` 将 Markdown 保存到文件（如用户有此需求）

如果用户明确要求生成 Markdown 文件，可以在得到最终 Markdown 文本后，调用 Write 工具写入文件：

``json { "path": "<输出 Markdown 文件路径>", "content": "<模型生成的中文 Markdown 文本>" } ``

然后可以通过正常的文件系统操作（如下载或后续处理）使用该文件。

1. 根据用户需求做二次加工（可选）

• 如果用户还有额外要求（例如“只保留某几章”“简化为摘要”），在拿到 Markdown 后再用模型进行二次加工。
• 对于特别长的 Markdown，可以按章节或段落拆分处理，避免超出上下文限制。

错误处理与限制

• 若 Python 脚本执行失败（Bash 返回 ok == false 或 exit code 非 0）：
• 检查 PDF 路径是否正确；
• 确认文件存在且为有效 PDF；
• 检查是否已安装 pypdf 依赖。

• 若生成的 Markdown 明显缺失内容或大量乱码：
• 向用户说明这是 PDF 原始排版 / 内嵌字体导致的限制。
• 根据情况建议尝试只转换部分页面，或改用其它方式获取内容。

安全注意事项

• 本 Skill 通过 Python 脚本仅读取 PDF 文本，不执行其中任何代码，但仍建议只对可信来源的 PDF 使用本 Skill。
• 大模型调用由 SDK 内部统一管理，Skill 不直接处理任何 API Key。