用途:把本地 PDF 交给 Gemini 多模态直接阅读,按文档类型路由到对应模板,输出中文结构化 Markdown 总结,不先做文本抽取或 OCR。
主要能力:支持 paper(学术论文)、manual(产品/用户手册、datasheet)、whitepaper(行业/技术白皮书)、book(书籍、长篇技术文档)四类;paper quick 默认导出原始图到 figures/*.png 并做视觉定位,其他类型改为在正文内用 mermaid 或表格表达;支持 --auto-detect 自动识别类型;支持 --by-chapter 按原生 L1 章拆成多个 md;可通过 --focus 追加关注点,--output 指定落地路径。
必要用法:需 Python ≥ 3.7、google-genai(pip install -U google-genai)与环境变量 GEMINI_API_KEY。调用示例:python3 gemini_pdf_summary.py --pdf <path> --type <paper|manual|whitepaper|book> --output <output-dir>;不确定类型用 --auto-detect。默认模型为 gemini-3.1-pro-preview,指定模型用 --model。
适用场景:单篇 PDF 结构化总结、批量按同类型过稿、含大量图表公式的文档、产物后续进入本地 wiki 流程。
限制:一次只处理一份 PDF,不做全文翻译、不做多份对比;--type 与 --auto-detect 互斥且必传其一;manual/whitepaper/book 仅支持 full 风格;book 仅支持 full;--by-chapter 与 --full 互斥;--pages 与 L1 模式不兼容;模型遇 503/429/5xx 重试耗尽后直接报错,不自动降级;单文件大小受 File API 上限约束。具体收费、价格与更多平台信息暂未提供。