← Back to Skills Marketplace
PDF视觉阅读器
by
itixobepafi130-ctrl
· GitHub ↗
· v1.0.0
· MIT-0
340
Downloads
0
Stars
0
Active Installs
1
Versions
Install in OpenClaw
/install pdf-vision-reader
Description
PDF视觉阅读器 — 将PDF转换为图片，通过AI视觉模型理解PDF内容。 当用户发送PDF文件或提供PDF路径，需要理解、分析、总结PDF内容时使用。 能力： - 将PDF每页渲染为高清PNG图片（PyMuPDF） - 使用AI视觉模型分析图片内容（中英文均可） - 支持幻灯片型、图片型、扫描件型PDF - 自...
README (SKILL.md)
PDF视觉阅读器 (pdf-vision-reader)
工作流程
用户发送PDF
↓
提取PDF页面为PNG图片（PyMuPDF, 2x缩放）
↓
分批次用视觉AI分析（每批4-5页）
↓
整合视觉分析结果
↓
可选后续处理：
- 整理为结构化摘要
- 提炼关键数据/要点
- 归档至 memory/ 目录
- 回答用户具体问题
使用场景
- 用户发来 PDF 需要分析理解
- 图片型/幻灯片型 PDF 无法用文字提取
- 扫描件 PDF 识别
- 需要理解 PDF 中的图表、数据、布局信息
输出格式
建议输出结构：
## PDF内容概览
[总页数] 页，主题：[...]
## 分页详解
### 第X页
[视觉AI返回的详细描述]
## 关键信息提炼
[数据/要点/结论]
## 相关知识
[如果已有相关背景知识，可关联补充]
注意事项
- PDF路径包含中文时，Python读取可能需处理编码
- 视觉分析每批4-5页，避免超出token限制
- 对于非常长的PDF（>50页），可先分析目录页+重点页面
- 分析完成后可询问用户是否需要归档到memory目录
Usage Guidance
概览：此技能内部一致——它包含一个用 PyMuPDF 把 PDF 转为 PNG 的脚本，说明中要求用视觉 AI 分析图片，但未声明将使用哪个模型或外部服务。 在安装/使用前请注意：
- 如果处理敏感或受限内容，先确认“视觉 AI 模型”在哪里运行：本地模型与第三方云服务的隐私与合规性不同，第三方模型可能会将图片上传到外部服务器。
- 在受信任环境中通过 pip 安装依赖（pymupdf、numpy、opencv-python-headless）；最好在虚拟环境中安装并确认包来自官方 PyPI 源。
- 查看并测试 scripts/extract.py（它行为透明：只读 PDF、写入输出目录、没有网络调用），用非敏感示例先做本地测试。
- 注意“归档到 memory/ 目录”是可选行为：若启用归档，确认目标存储位置和访问策略。
总体上该技能看起来是合理且一致的（benign）。若你需要更高的保证，提供平台会如何执行“视觉 AI 分析”（本地/远程、若远程需哪些凭据和终端）将有助于降低剩余风险。
Capability Analysis
Type: OpenClaw Skill
Name: pdf-vision-reader
Version: 1.0.0
The skill bundle is a legitimate tool for converting PDF files into images for AI vision analysis. The core logic in `scripts/extract.py` uses the standard PyMuPDF library to render pages as PNGs and contains no network activity, obfuscation, or unauthorized file access. The instructions in `SKILL.md` are consistent with the stated purpose and do not contain any prompt-injection attacks or malicious directives.
Capability Assessment
Purpose & Capability
技能宣称将 PDF 渲染为图片并用视觉模型分析，仓库包含用于将 PDF 转为 PNG 的 scripts/extract.py，README 与 _meta.json 中列出的 Python 依赖（pymupdf、numpy、opencv-python-headless）与该功能匹配。没有看到与目的不符的环境变量、二进制或外部凭据要求。
Instruction Scope
SKILL.md 指示提取页面为 PNG 并“用视觉 AI 模型分析”，整体流程清晰且仅涉及 PDF 提取与视觉分析，但未明确说明“视觉 AI 模型”在哪里运行（本地库或外部服务）。这留有执行端选择的空间：如果平台将图片发送到第三方托管模型，可能会把敏感文档内容传输到外部。归档到 memory/ 目录也被提及，但这是可选且应由用户确认。
Install Mechanism
没有 install spec（instruction-only 为主），仅包含 Python 脚本和说明，README 建议通过 pip 安装少量常见依赖。没有看到从不可信 URL 下载或解压任意二进制的高风险安装步骤。
Credentials
技能不要求任何环境变量或凭据（requires.env 为空），也不声明访问系统配置路径。所需资源（Python 库）与实现功能成比例。唯一需要注意的是视觉分析步骤可能依赖平台对外的模型调用（未在技能内声明凭据），这不是技能本身直接请求的。
Persistence & Privilege
flags 中没有 always:true，技能默认可由模型调用（平台默认），但不会强制常驻或修改其他技能/全局配置。脚本也仅在需要时运行并将输出写入指定输出目录。
How to Use
- Make sure OpenClaw is installed (local or Docker)
- Run the install command in chat:
/install pdf-vision-reader - After installation, invoke the skill by name or use
/pdf-vision-reader - Provide required inputs per the skill's parameter spec and get structured output
Version History
v1.0.0
首个版本：PDF转图片+AI视觉理解，支持幻灯片/图片型/扫描件PDF
Metadata
Frequently Asked Questions
What is PDF视觉阅读器?
PDF视觉阅读器 — 将PDF转换为图片，通过AI视觉模型理解PDF内容。 当用户发送PDF文件或提供PDF路径，需要理解、分析、总结PDF内容时使用。 能力： - 将PDF每页渲染为高清PNG图片（PyMuPDF） - 使用AI视觉模型分析图片内容（中英文均可） - 支持幻灯片型、图片型、扫描件型PDF - 自... It is an AI Agent Skill for Claude Code / OpenClaw, with 340 downloads so far.
How do I install PDF视觉阅读器?
Run "/install pdf-vision-reader" in the OpenClaw or Claude Code chat to install it in one step — no extra setup required.
Is PDF视觉阅读器 free?
Yes, PDF视觉阅读器 is completely free, licensed under MIT-0. You can download, install and use it at no cost.
Which platforms does PDF视觉阅读器 support?
PDF视觉阅读器 is cross-platform and runs anywhere OpenClaw / Claude Code is available (cross-platform).
Who created PDF视觉阅读器?
It is built and maintained by itixobepafi130-ctrl (@itixobepafi130-ctrl); the current version is v1.0.0.
More Skills