PDF 技能：让 AI 直接读写处理 PDF

PDF 的读取、合并、拆分、OCR 与表单填写，交给 AI 按固定流程完成。

技能名称：PDF 技能（anthropics/skills 官方技能）
适用平台：Claude Code / Claude Desktop / Cursor / Codex 等支持 Skills 的 AI 编程客户端
安装方式：npx skills add https://github.com/anthropics/skills --skill pdf，或克隆仓库后复制 skills/pdf 到 ~/.claude/skills/
仓库或市场地址：https://github.com/anthropics/skills/tree/main/skills/pdf
包含能力：PDF 文本与表格提取、合并/拆分/旋转、reportlab 创建、CLI（pdftotext/qpdf/pdftk/pdfimages）、扫描件 OCR、表单填写、加密解密

在日常开发和办公自动化里，PDF 是最常见也最麻烦的“脏活”格式——合同、报表、发票、论文大多以 PDF 交付，但 Python 的 pypdf、pdfplumber、reportlab 以及命令行工具 qpdf、pdftotext 各自的用法又散落各处。Anthropic 官方在 anthropics/skills 仓库里提供了 PDF 技能，把这些常见操作用一份 SKILL.md 串成可执行的步骤指南。装上它之后，你只需要用自然语言描述需求，Agent 就会自己选对库、装依赖、跑脚本，而不必每次都重新查文档。它不是把 PDF 当图片丢给多模态模型“看”，而是真正调用底层库做结构化处理，因此能稳定提取表格、批量合并、生成新文档。

核心能力

1. 文本与表格提取：用 pdfplumber 做带布局的文本和表格抽取，能保留行列结构而非乱序文字。对财务报表、实验数据这类有表框的内容，它会把每一页的表格解析成二维数组，再用 pandas 导出为 Excel。场景：手上有 30 页报表 PDF，需要把其中的汇总表抽出来做二次分析，直接说“提取第 5–8 页所有表格存为 xlsx”即可。
2. 合并、拆分与页面操作：借助 pypdf，技能可以完成多文件合并、单页拆分、页面旋转、元数据修改、加水印和加密，并给出可直接运行的代码骨架。场景：月底要把各部门的周报 PDF 合成一份归档，或把一份长合同按章节拆成独立文件对外发送。
3. 用 reportlab 创建 PDF：当需要“从数据生成文档”时，技能切换到 reportlab，用 Paragraph 与 sub/super 标签排版，并避开 Unicode 上下标渲染成黑块的坑。场景：把数据库查询结果、统计图表自动排版成一份带页眉页脚的可打印交付件。
4. 扫描件 OCR 与表单填写：对图片型 PDF，技能会走 pdf2image + pytesseract 的 OCR 流水线，把扫描页转成可搜索文本；表单填写则单独路由到 FORMS.md 按字段逐项处理。场景：把纸质合同扫描件转成可检索档案，或批量填好一批格式固定的申报表。
5. 命令行快捷操作：除 Python 库外，技能还整理了 pdftotext、qpdf、pdftk、pdfimages 的 CLI 配方——抽取带布局文本、用 qpdf 合并解密、用 pdfimages 提取内嵌图片，适合 Agent 直接在 shell 调用。场景：临时要快速把一份加密 PDF 解密，或在流水线里抽取所有嵌入图。

使用上手

1. 安装技能：在支持 Skills 的客户端执行 npx skills add https://github.com/anthropics/skills --skill pdf；或手动克隆 git clone https://github.com/anthropics/skills 后把 skills/pdf 目录复制到 ~/.claude/skills/（Cursor / Claude Code 等）。
2. 重启客户端会话，让技能被加载识别。
3. 用自然语言提任务，例如“把 reports/ 下本月 5 个 PDF 合并成一个文件，并提取第 2 个里所有表格存为 Excel”。
4. Agent 会先判断该用哪个库或 CLI，必要时自动安装缺失依赖，再执行并回传结果文件。
5. 涉及表单或 OCR 时，先按技能提示确认环境已具备 Tesseract、poppler 等系统包，再让其运行。

优点与不足

• 优点：把分散的 pypdf / pdfplumber / reportlab / CLI 知识整理成一套固定流程，省去反复查文档；真结构化处理，表格抽取和批量操作比“截图给多模态模型”可靠；开源仓库，可按项目需要改 SKILL.md 或加自定义脚本。
• 不足：许可证为 Anthropic 专有许可证（Proprietary），商用或二次分发前需读 LICENSE.txt，不同于 Apache-2.0 类自由协议；OCR 准确率依赖扫描分辨率与语言包，复杂版面仍需人工校对；XFA、交互式等复杂表单需走 FORMS.md，无法一键搞定。

适合谁

• 在 AI 编程助手（Claude Code、Cursor、Codex 等）里反复做 PDF 批处理的开发者。
• 做办公自动化、RPA 原型的同学，希望 Agent 按固定流程选库而不是临场搜文档。
• 需要处理合同、发票、报表等结构化文档的数据与合规团队。

下载与访问

• GitHub 仓库（anthropics/skills）：https://github.com/anthropics/skills
• PDF 技能目录：https://github.com/anthropics/skills/tree/main/skills/pdf
• 安装命令：npx skills add https://github.com/anthropics/skills --skill pdf

获取与授权

本文属于「技能」分类的 AI 资源专栏，更多评测见分类页。