用途：基于 Google Gemini API 的原生视觉能力处理与分析 PDF 文档，提取结构化信息、生成摘要、回答文档相关问题，并理解含文本、图像、示意图、图表和表格的复杂文档。适用于从发票、简历、表单中提取结构化数据，总结长报告，就 PDF 内容做问答，分析复杂版式文档，将 PDF 转换为 JSON/HTML，批量处理并构建文档处理流水线。
主要能力：PDF 视觉处理（最多 1,000 页，每页 258 tokens）；多模态分析（文本、图像、示意图、图表、表格）；结构化提取（输出 JSON 并做 schema 校验）；文档问答；保留上下文的摘要；转写为 HTML 并保留版式。
配置：技能按以下优先级查找 GEMINI_API_KEY——进程环境变量、技能目录 .env（.claude/skills/gemini-document-processing/.env）、项目根目录 .env。API Key 获取地址：https://aistudio.google.com/apikey
export GEMINI_API_KEY="your-api-key-here"
安装依赖： pip install google-genai python-dotenv
使用方式：附带脚本 scripts/process-document.py，基本用法示例： python scripts/process-document.py --file document.pdf --prompt "Your prompt" 加 --format json 输出 JSON，加 --use-file-api 处理大文件，可多次传 --prompt。也可直接用 Python SDK 调用 genai.Client()，通过 genai.types.Part.from_bytes 传入 PDF 字节，并配合 response_mime_type='application/json' 与 Pydantic 的 response_schema 获取结构化输出。
限制与注意事项：仅 PDF 获得视觉处理，TXT、HTML、Markdown 为纯文本处理；文件小于 20MB 用内联编码，大于 20MB 用 File API；单文档最多 1,000 页；File API 仅存储 48 小时；成本固定为每页 258 tokens。性能建议：小于 20MB 用内联编码，较大文件或重复查询用 File API 并启用上下文缓存；单页文档将提示词放在 PDF 之后；多文档可并行处理；推荐 gemini-2.5-flash 以获得最佳性价比。参考资料包括 references/gemini-document-processing-report.md、quick-reference.md、code-examples.md；排障可用 ./scripts/check-api-key.sh 检查密钥。