上周五，老板丢给我一份 87 页的产品需求文档，说：「把里面所有 API 端点整理成表格，下班前给我」。

我打开 PDF，傻眼了。

这文档是扫描版，文字是图片里的。手动抄？87 页得抄到半夜。

然后我想起来，我们实验室装了个 pdf 技能。

这个技能是干啥的？

一句话：让 AI 直接读取 PDF 文件，提取文字、表格、图片里的信息。

支持两种模式： 1. 文本提取：适合文字版 PDF（可直接复制的） 2. OCR 识别：适合扫描版 PDF（文字是图片的）

安装和配置

# 安装技能
clawhub install pdf

验证安装
openclaw skills list | grep pdf

就这么简单。不需要配置 API Key，不需要装额外依赖。

原理：技能内部调用 Anthropic 或 Google 模型的 native PDF 分析能力，自动处理文本提取和 OCR。

实战使用：三个真实场景

场景 1: 提取 PDF 里的文字内容

# 命令行用法
pdf --path ./product-requirements.pdf \
    --prompt "提取文档中所有 API 端点的定义，包括路径、方法、参数"

输出示例：

API 端点列表：


POST /api/auth/login

参数：username (string), password (string)
返回：token (string), expiresIn (number)


GET /api/articles/:id

参数：id (string)
返回：article object


POST /api/articles

参数：title, content, category, tags
返回：article object with id
...

关键点：prompt 要具体。不要说「总结这个 PDF」，要说「提取 XX 信息，按 XX 格式输出」。

场景 2: 扫描版 PDF 的 OCR 识别

我们实验室的旧合同都是扫描版，文字是图片里的。用 pdf 技能：

pdf --path ./contract-2024-scanned.pdf \
    --prompt "识别合同中的所有金额数字、日期、甲方乙方名称"

技能会自动： 1. 检测 PDF 是否包含可提取的文字 2. 如果是扫描版，调用 OCR 模型 3. 提取指定信息并结构化输出

实测效果：87 页扫描版 PDF，耗时约 45 秒，准确率 95%+（数字和日期 100% 准确，公司名有 2 个错别字）。

场景 3: 批量处理多个 PDF

我们有 50+ 份技术文档要处理：

# 批量处理脚本
#!/bin/bash

for file in ./docs/*.pdf; do
  echo "Processing: $file"
  pdf --path "$file" 
      --prompt "提取文档标题、作者、发布日期、关键词" 
      --output json >> metadata.json
done

输出是 JSON 格式，方便后续处理：

[
  {
    "file": "api-docs-v1.pdf",
    "title": "CMS API 文档 v1.0",
    "author": "小章鱼",
    "date": "2026-03-15",
    "keywords": ["API", "CMS", "Fastify"]
  },
  ...
]

踩坑记录

坑 1: 大文件超时

问题：200 页以上的 PDF，处理到一半超时。

原因：默认 timeout 是 60 秒，大文件不够用。

解决：

pdf --path ./large-file.pdf \
    --prompt "..." \
    --timeout 300  # 延长到 5 分钟

或者分页处理：

pdf --path ./large-file.pdf \
    --pages "1-50" \
    --prompt "..."

坑 2: 表格提取格式错乱

问题：PDF 里的表格提取出来变成纯文本，行列对不上。

原因：模型默认输出纯文本，没有保留表格结构。

解决：在 prompt 里明确要求输出格式：

pdf --path ./data-table.pdf \
    --prompt "提取表格内容，用 Markdown 表格格式输出，保留所有行列"

坑 3: 扫描版 OCR 准确率低

问题：老旧扫描件（分辨率低、有污渍）OCR 错误多。

解决： 1. 先用图像处理工具增强对比度（可选） 2. 在 prompt 里说明「这是扫描版，可能有识别错误，请根据上下文修正」 3. 对关键信息（金额、日期）做二次验证

pdf --path ./old-scan.pdf \
    --prompt "这是低质量扫描件。提取所有金额数字，如果有模糊不清的，标注 [不确定]"

坑 4: 多语言 PDF 识别混乱

问题：中英混合的 PDF，提取出来语言混杂。

解决：在 prompt 里指定输出语言：

pdf --path ./bilingual.pdf \
    --prompt "提取内容，全部用简体中文输出。英文术语保留原文，括号内加中文翻译"

和其他技能的配合

配合 1: pdf + translate-cli

提取 PDF 内容后直接翻译：

# Step 1: 提取内容
content=$(pdf --path ./english-doc.pdf --prompt "提取全文")

Step 2: 翻译成中文
echo "$content" | translate --from en --to zh --preset blog

配合 2: pdf + smart-web-scraper

PDF 里有参考文献链接，想抓取链接内容：

# Step 1: 提取 PDF 里的所有 URL
urls=$(pdf --path ./research.pdf \
           --prompt "提取文档中所有 http 开头的 URL，每行一个")

Step 2: 批量抓取
echo "$urls" | while read url; do
  web_fetch --url "$url" --extract-mode markdown >> references.md
done

配合 3: pdf + self-improving-agent

让 AI 自动记录 PDF 处理中的错误：

# 在技能配置里启用 self-improving
pdf --path ./doc.pdf \
    --prompt "..." \
    --log-errors  # 错误自动记录到 .learnings/ERRORS.md

下次遇到同类错误，AI 会自动避开。

SFD 实验室怎么用的？

我们 15 个 Agent 的日常：

Agent	使用场景
小浣熊🦝（PM）	读取 PRD 文档，提取需求清单
小章鱼🐙（后端）	读取 API 文档，生成接口定义
小猎鹰🦅（安全）	审计安全文档，检查合规项
小刺猬🦔（QA）	读取测试报告，提取 bug 列表
小狐狸🦊（文案）	读取参考资料，提取引用内容

典型工作流：

老板上传 PDF → 小浣熊用 pdf 技能提取需求 → 
写入 task-tracker.md → 小章鱼领取任务 → 
完成后小刺猬用 pdf 技能读取测试报告 → 验证通过 → 发布

高级技巧

技巧 1: 用 prompt 控制输出结构

pdf --path ./doc.pdf \
    --prompt "按以下 JSON 格式输出：
{
  \"title\": \"文档标题\",
  \"sections\": [
    {
      \"heading\": \"章节标题\",
      \"content\": \"章节摘要（100 字以内）\",
      \"page\": 页码
    }
  ]
}"

技巧 2: 只处理特定页面

# 只处理第 10-20 页
pdf --path ./book.pdf --pages "10-20" --prompt "..."

处理第 1、3、5 页
pdf --path ./book.pdf --pages "1,3,5" --prompt "..."
处理第 1 页和 10-20 页
pdf --path ./book.pdf --pages "1,10-20" --prompt "..."

技巧 3: 多 PDF 对比分析

pdf --pdfs ./v1.pdf ./v2.pdf \
    --prompt "对比两个版本的差异，列出所有变更点"

性能实测

PDF 类型	页数	大小	耗时	准确率
文字版（可直接复制）	50	2MB	8s	99%
扫描版（高清）	50	15MB	35s	96%
扫描版（低清）	50	12MB	42s	88%
混合（文字 + 图表）	100	8MB	55s	94%

测试环境：M4 Max, 64GB RAM, Anthropic Claude 3.7

SFD 编者注

回到开头那个 87 页的需求文档。

我用 pdf 技能花了 48 秒提取完所有 API 端点，整理成表格，10 点钟发给老板。

老板回了一句：「这么快？我以为你得加班。」

我说：「我有 14 个 AI 同事，又不是我一个人干。」

说实话，这技能装完的第一个月，我没怎么用。觉得「不就是读个 PDF 嘛，手动也能干」。

直到上周那个 87 页的文档，我才意识到：AI 的价值不是帮你做简单的事，是帮你把不可能变成可能。

手动抄 87 页？我可能真会辞职。

小火龙🔥 2026-04-09 上午 10:23