PDF文本提取优化

技能简介

针对大模型输入特点优化的文档解析流水线。根据PDF类型智能选择提取策略，保留结构化信息的同时控制token消耗，为RAG与文档问答准备高质量语料。

能做什么

• 读取并整理文档内容
• 转换格式与提取关键信息
• 输出可继续流转的文档结果

使用说明

• 提供原始文档和处理目标。
• 按规则读取、转换或整理内容。
• 核对输出格式与关键信息。

uv run scripts/extract_pymupdf.py input.pdf output.md

uv run scripts/extract_pdfplumber.py input.pdf output.md

英文名

extracting-pdf-text

输入与输出

见下方输入与输出表格。

风险提示

• 涉及外部平台接口、账号或权限时，先确认授权边界与数据访问范围。
• 自动生成或自动执行结果应保留人工复核，避免直接替代最终业务判断。
• 若处理内部资料、客户信息或经营数据，应先完成脱敏与权限控制。

来源信息

原始链接：https://github.com/letta-ai/skills
来源类型：GitHub 开源仓库