前言¶
把扫描件、截图或 PDF 里的字变成可编辑文本，常见做法是本地装 OCR 引擎、再写脚本区分电子版与扫描版。表格还要另配解析库，批量跑一个目录时路径和格式也容易乱。下面介绍 SkillHub 上的「PDF和图片文字提取」，让 Agent 在对话里按统一流程处理图片与 PDF，并输出结构化结果。
这是什么¶
「PDF和图片文字提取」是面向办公效率（office-efficiency）的 Agent Skill，坐标为 @user_5f9c21aa/pdf-image-text-extractor，当前版本 1.0.13，来源为社区（community），由发布者 user_5f9c21aa（SkillHub 页标注作者为 to the moon / 红狐数据）维护。能力归属 RedFoxHub，官网见 redfox.hk/skills。
Skill 从图片或 PDF 中识别并提取文字，支持多种图片格式与 PDF；会判断是否包含文字，并在可行时保留原始版式，以结构化形式返回。官方简介中的 v2.1 方案强调「零额外依赖」路径：扫描版 PDF 渲染为图片后交给 AI 视觉识别（无需 tesseract/rapidocr），表格通过 pymupdf 内置 find_tables 提取（无需 pdfplumber），并支持对目录内 PDF 与图片做批量提取。
SkillHub 页面标签包含 requires_api_key=true，使用前需按 Skill 说明配置相应 API 密钥（具体字段以安装后的 SKILL 文档为准）。
核心功能¶
依据 SkillHub 官方简介，已核实能力包括：
- 图片与 PDF 文字提取：从常见图片格式及 PDF 中识别文字，适合 OCR、转可编辑文本等需求。
- 智能判断与版式：自动判断是否含文字，并尽量保留原始格式，输出结构化结果。
- 扫描版 PDF：将页面渲染为图片，走 AI 视觉识别，不依赖传统本地 OCR 运行时。
- 表格：使用 pymupdf 的
find_tables做结构化表格提取。 - 批量：可对目录一次性处理其中的 PDF 与图片文件。
安装与启用¶
安装流程遵循 SkillHub 通用说明：skillhub.cn/install/skillhub.md。先确认本机是否已有 CLI：
command -v skillhub && skillhub --version
若未安装，可使用官方脚本（完整安装含 CLI 与默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅安装 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安装本 Skill 时，必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 且可能不被识别。在 Cursor 中常用路径为 ~/.cursor/skills/：
skillhub install @user_5f9c21aa/pdf-image-text-extractor --dir ~/.cursor/skills/
也可将下列提示交给支持 Skill 的 AI，由其按安装文档完成安装：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@user_5f9c21aa/pdf-image-text-extractor`。
Claude Code、Codex、Windsurf 等客户端的 skills 目录与 Cursor 不同，安装时把 --dir 换成对应环境路径即可；路径列表见上述安装文档第四节。安装后按各客户端要求重启或刷新 Agent，使 Skill 生效。
典型用法¶
官方页面未给出独立 CLI 子命令示例，用法以 在 Agent 对话中启用 Skill 后提出任务 为主。下列表述与简介中的触发场景一致，便于复现意图（具体执行步骤由 Skill 内 SKILL.md 驱动）：
- 提供单张图片或单个 PDF 路径，要求「提取全部文字」或「转成可编辑文本」。
- 对含表格的 PDF，明确要求「结构化提取表格」。
- 给出文件夹路径，要求「批量提取该目录下所有 PDF 和图片中的文字」。
经过上面的步骤，Agent 会按 Skill 定义选择电子版文本、扫描渲染 + 视觉识别或表格专用逻辑，并返回结构化结果。
适用场景与注意¶
适合：需要从截图、照片、扫描 PDF 或混合目录批量拿文字；希望减少自建 tesseract/pdfplumber 组合；在 Cursor 等 IDE Agent 里用自然语言完成 OCR 与表格提取。
注意：
- 标签
requires_api_key=true表示依赖外部 API（多为视觉或模型服务），未配置密钥时可能无法完成识别。 - 简介中的 v2.1 指能力方案说明，与 Skill 包版本号 1.0.13 并存，以页面与 SKILL 文档为准。
- SkillHub 统计（页面数据）：评分 100000，下载 244168，安装 378；选用时可结合自身环境与合规要求判断。
结尾¶
「PDF和图片文字提取」把图片 OCR、PDF 正文、扫描件视觉识别与表格提取收敛到同一 Skill，适合在 Agent 工作流里处理文档数字化。官方 Skill 页：https://www.skillhub.cn/skills/user_5f9c21aa/pdf-image-text-extractor；API 入口：https://api.skillhub.cn/user_5f9c21aa/pdf-image-text-extractor。
