用途：从图片或 PDF 文档中识别并提取文字，输出结构化 Markdown，适合 PDF 提取、图片文字、OCR 识别、扫描件处理等需求。
主要能力：图片支持 PNG、JPG、JPEG、GIF、WebP、BMP 等格式，自动检测并提取文字；PDF 同时支持扫描版和文字版，保留段落结构与标题层级；自动判断文档是否含文字，无文字时明确提示；支持中文、英文等多语言；输出 Markdown，标题、正文层次分明。
使用方式：图片文字提取直接上传图片，由智能体使用内置 read_image 工具识别，无需额外依赖；PDF 提取需安装 pymupdf，命令为 python3 -m pip install pymupdf>=1.23.0，然后执行 python3 scripts/pdf_text_extractor.py <pdf_file_path>，脚本返回 JSON，含 success、text、page_count、error 字段。结果可直接展示或保存为 .md 文件。
适用场景：学术研究提取论文文字、办公处理合同发票扫描件、内容创作提取电子书素材、开发者批量处理 PDF。
限制：环境要求 Python 3.7+，支持 macOS/Linux/Windows；不支持加密或受密码保护的 PDF；扫描图片型 PDF 可能需先 OCR 预处理；图片识别准确率受清晰度、字体、背景影响；建议处理小于 50MB 的文件；全程本地运行，不发起网络请求，无需 API key 或注册。