概览
说明：PDF 任务通常落在三类：
- 阅读与问答（理解、摘要、定位条款）
- 结构化提取（文字、表格、图片与元数据、OCR）
- 转换与编辑（Word/Markdown、合并/拆分、加水印/加密、批量处理）
在选择 Skill 前，先抽检 PDF：是否为扫描件或原生文本、是否为双栏、是否含跨页表格、页数与语言、是否有敏感信息。这些要素决定需要 OCR、双栏重建或人工复核的步骤。
如何按任务挑选工具（要点）
- 长文阅读／问答：优先选择能按页范围锚定阅读并保留页码引用的 Skill，便于追溯句子与段落来源。
- 文字与表格提取：选择能自动区分原生文本与扫描页并提供表格导出（CSV/Excel）或保留标题层级的 Skill；注意双栏和跨页表格是否被正确合并。
- 转换 / 批量处理：若需合并、拆分、批量转换或添加水印、签名，选支持批处理与输出格式控制的 Skill，并先在副本上测试样式保留情况。
（参考示例 Skill 分类：阅读类、提取类、文件处理类 — 请在实际使用前核对每个 Skill 的能力说明。）
实操示例：把一份 20 页“扫描版双栏研究报告”处理成表格 CSV 与章节 Markdown
目标：从扫描的双栏研究报告中提取表格（导出为 CSV），并把“方法”和“结论”两章转成 Markdown 文本，保留页码引用与图片索引。
步骤（建议按序执行）： 1) 抽检样本页（手动） - 随机打开第 1、5、10、15、20 页，检查是否为扫描图像、双栏排版、表格是否跨页、图片清晰度与语言。记录存在的难点（例如跨页表、低分辨率图片）。
2) 做备份与分章（本地操作优先） - 在源文件上创建副本，按需要拆出“方法”和“结论”所在页作为单独文件，便于后续单页或小范围处理。
3) OCR 与原文/扫描页区分（提取类 Skill） - 使用能区分原生与扫描页并运行 OCR 的 Skill（测试一页），导出识别文本并检查常见 OCR 错误：数字、单位、负号、表格边界、行内换行。 - 如果文档为双栏，选择或配置 Skill 能返回“阅读顺序”或支持双栏合并的导出，否则后续可能需要人工合并列顺序。
4) 表格检测与导出 - 运行表格提取功能，优先导出为 CSV/Excel。 - 检查导出表格的列数、合并单元格、跨页续表情况。必要时，用表格编辑器合并续表或修正列偏移。
5) 章节到 Markdown 的转换 - 对“方法”“结论”页使用能导出文本并保持标题层级的 Skill，生成 Markdown 草稿。 - 手工调整：修正双栏导致的段落顺序错位、合并分段、校对公式或引用编号，插入页码标注（例如“(p.12)”）与图片占位说明。
6) 汇总与产出 - 将 CSV 表格和 Markdown 文档连同原始页码映射表一起保存为交付包，附上核验说明与已知问题清单（例如“第 7 页表 2 跨页导致两段合并，已手动修正”）。
检查点（执行后逐项核查）：
- OCR 质量：关键数字（金额、百分比、统计量）在原页中对比是否一致。
- 表格完整性：列头、合并单元格、跨页续表是否被正确处理；空白或错列处是否有注记。
- 阅读顺序：双栏文本是否按正确顺序合并；有无段落错位或句子断裂。
- 页面引用：导出文本或段落是否保留原始页码，便于追溯。
- 输出格式：Markdown 中图片与表格占位是否标注清楚；CSV 的编码（UTF-8）与分隔符是否正确以便后续分析。
验证样本与分批策略
- 先在 2–3 页样本上完成全流程（OCR → 提取 → 导出），确认输出质量可接受后再批量运行。
- 批量处理时保留日志与覆盖记录（哪些页已处理、何时、用哪个 Skill），以便回溯。
隐私、权限与局限性说明
- 隐私与上传：处理内部或敏感文件时，优先选择可本地化处理或明示不会上传到外部服务的 Skill，并仅提交必要页数；若不确定 Skill 行为，应先在本地或隔离环境测试。
- 常见局限：OCR 在低分辨率、倾斜扫描、复杂数学公式和竖排文字上容易出错；双栏或不规则版式可能打断句子顺序；跨页表格可能被拆分成多表格，需要人工合并。
- 验证要求：任何自动提取的数值或条款都应人工抽样核对，特别是法律、财务或统计数据。
小结与建议清单
- 先判定 PDF 类型（扫描/原生、双栏、表格、页数、语言、敏感性）。
- 以小样本测试 OCR 与表格导出质量；必要时手工修正双栏顺序与跨页表格。
- 输出时保留页码映射与处理日志，交付时附上核对清单与已知问题说明。
限制声明：本文给出的方法与步骤基于常见 PDF 处理需求的实践要点与分类建议。请在实际使用特定 Skill 前，阅读该 Skill 的能力说明与隐私策略，并在副本上先做小范围测试。