MarkItRight 用于把任意 PDF 转成干净、可发布的 Markdown,并保留图表。核心原则是:对图表区域做 bbox 截图像素图(2 倍缩放、5pt 边距),而不是提取嵌入图片原始字节,这样能同时捕获栅格图与矢量图上的坐标轴标签、图例与叠加说明。分类时同时依据文本与图片块,含整页图表的页面按数字路径处理,避免误判为扫描页后静默产生低质结果。
管线分四阶段:预检用 markitright INPUT.pdf --preflight,报告数字页与扫描页数量、书签数、表格页与预估成本;提取用 markitright INPUT.pdf -o OUTPUT.md,数字页程序化处理并保留超链接、按书签树生成标题层级、检测表格、转换脚注、合并换行、去除页眉页脚、跳过目录页,扫描页走 Gemini Vision,可用 --vision 强制全部走 vision,--no-images 则用 (Figure) 占位,--liteparse-backup 为数字页薄文本提供 LiteParse 备份重试(需 liteparse CLI)。图表以 链接。
QA 阶段是核心价值:逐段阅读输出,重点核对图表密集页面,若预检报告 N 个图片页则确认输出有 N 个图表;可疑处用 scripts/check_page.sh INPUT.pdf PAGE_NUM 经 Gemini 视觉核对,或无 API Key 时用 scripts/render_page.sh INPUT.pdf PAGE_NUM 渲染后由 Claude 视觉读取,再修正 Markdown 直至干净。定稿阶段复制到指定位置并报告总页数、方法与耗时、QA 修复项与预估 API 成本。
用法上先激活虚拟环境:source .venv/bin/activate;环境变量 GEMINI_API_KEY 启用扫描页 Gemini Vision,未设置时回退 Claude 原生视觉。实现位于 Creative Intelligence Agency/crux/document-tools/markitright/,本 SKILL.md 为触发入口。已知 v6 残留问题:正文中脚注合并、跨块多行标题拆分、图表标题归属错误,尚无自动视觉校验器。平台上架信息、收费与价格资料暂未提供。