SuperAPI AI 工具集

pdf-to-markdown

办公与效率

查看项目

更新于 10-15 23:47

技能介绍

用途:把 PDF 文件转换为干净、结构良好的 Markdown。表格会转成 Markdown 表格格式,图片和图表则通过 LLM 以文字描述,不生成图片文件,输出为纯 Markdown 文本,便于 AI 处理。

必要用法:基本命令为 uv run skills/pdf-to-markdown/scripts/convert_to_markdown.py input.pdf,默认输出到 ~/Desktop/{filename}.md;也可在命令后指定输出路径,如 uv run skills/pdf-to-markdown/scripts/convert_to_markdown.py report.pdf ~/Documents/report.md。

可选参数:--no-llm 跳过 LLM 处理,速度更快,图片变为 [Image] 占位符;--force-ocr 对所有页面强制 OCR,适用于扫描版 PDF;--page-range "0,5-10" 仅处理指定页面。

依赖与限制:LLM 图片描述需要 GEMINI_API_KEY(从 1Password 加载),若无 Gemini API 权限可用 --no-llm。首次运行会下载约 1-2GB 的 ML 模型,缓存于 ~/.cache/marker/,之后运行更快。底层使用 Marker 库(GitHub 31k+ stars),采用 Surya OCR 支持 90 多种语言,并集成 Gemini LLM 进行图像理解。

适用场景:提取 PDF 内容、转换报告或扫描文档、按页范围抽取、为后续 AI 处理准备 Markdown 文本。