前言¶
把掃描件、截圖或 PDF 裏的字變成可編輯文本，常見做法是本地裝 OCR 引擎、再寫腳本區分電子版與掃描版。表格還要另配解析庫，批量跑一個目錄時路徑和格式也容易亂。下面介紹 SkillHub 上的「PDF和圖片文字提取」，讓 Agent 在對話裏按統一流程處理圖片與 PDF，並輸出結構化結果。
這是什麼¶
「PDF和圖片文字提取」是面向辦公效率（office-efficiency）的 Agent Skill，座標爲 @user_5f9c21aa/pdf-image-text-extractor，當前版本 1.0.13，來源爲社區（community），由發佈者 user_5f9c21aa（SkillHub 頁標註作者爲 to the moon / 紅狐數據）維護。能力歸屬 RedFoxHub，官網見 redfox.hk/skills。
Skill 從圖片或 PDF 中識別並提取文字，支持多種圖片格式與 PDF；會判斷是否包含文字，並在可行時保留原始版式，以結構化形式返回。官方簡介中的 v2.1 方案強調「零額外依賴」路徑：掃描版 PDF 渲染爲圖片後交給 AI 視覺識別（無需 tesseract/rapidocr），表格通過 pymupdf 內置 find_tables 提取（無需 pdfplumber），並支持對目錄內 PDF 與圖片做批量提取。
SkillHub 頁面標籤包含 requires_api_key=true，使用前需按 Skill 說明配置相應 API 密鑰（具體字段以安裝後的 SKILL 文檔爲準）。
核心功能¶
依據 SkillHub 官方簡介，已覈實能力包括：
- 圖片與 PDF 文字提取：從常見圖片格式及 PDF 中識別文字，適合 OCR、轉可編輯文本等需求。
- 智能判斷與版式：自動判斷是否含文字，並儘量保留原始格式，輸出結構化結果。
- 掃描版 PDF：將頁面渲染爲圖片，走 AI 視覺識別，不依賴傳統本地 OCR 運行時。
- 表格：使用 pymupdf 的
find_tables做結構化表格提取。 - 批量：可對目錄一次性處理其中的 PDF 與圖片文件。
安裝與啓用¶
安裝流程遵循 SkillHub 通用說明：skillhub.cn/install/skillhub.md。先確認本機是否已有 CLI：
command -v skillhub && skillhub --version
若未安裝，可使用官方腳本（完整安裝含 CLI 與默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
僅安裝 CLI 時：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安裝本 Skill 時，必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 且可能不被識別。在 Cursor 中常用路徑爲 ~/.cursor/skills/：
skillhub install @user_5f9c21aa/pdf-image-text-extractor --dir ~/.cursor/skills/
也可將下列提示交給支持 Skill 的 AI，由其按安裝文檔完成安裝：
請根據 https://skillhub.cn/install/skillhub.md，安裝 `@user_5f9c21aa/pdf-image-text-extractor`。
Claude Code、Codex、Windsurf 等客戶端的 skills 目錄與 Cursor 不同，安裝時把 --dir 換成對應環境路徑即可；路徑列表見上述安裝文檔第四節。安裝後按各客戶端要求重啓或刷新 Agent，使 Skill 生效。
典型用法¶
官方頁面未給出獨立 CLI 子命令示例，用法以 在 Agent 對話中啓用 Skill 後提出任務 爲主。下列表述與簡介中的觸發場景一致，便於復現意圖（具體執行步驟由 Skill 內 SKILL.md 驅動）：
- 提供單張圖片或單個 PDF 路徑，要求「提取全部文字」或「轉成可編輯文本」。
- 對含表格的 PDF，明確要求「結構化提取表格」。
- 給出文件夾路徑，要求「批量提取該目錄下所有 PDF 和圖片中的文字」。
經過上面的步驟，Agent 會按 Skill 定義選擇電子版文本、掃描渲染 + 視覺識別或表格專用邏輯，並返回結構化結果。
適用場景與注意¶
適合：需要從截圖、照片、掃描 PDF 或混合目錄批量拿文字；希望減少自建 tesseract/pdfplumber 組合；在 Cursor 等 IDE Agent 裏用自然語言完成 OCR 與表格提取。
注意：
- 標籤
requires_api_key=true表示依賴外部 API（多爲視覺或模型服務），未配置密鑰時可能無法完成識別。 - 簡介中的 v2.1 指能力方案說明，與 Skill 包版本號 1.0.13 並存，以頁面與 SKILL 文檔爲準。
- SkillHub 統計（頁面數據）：評分 100000，下載 244168，安裝 378；選用時可結合自身環境與合規要求判斷。
結尾¶
「PDF和圖片文字提取」把圖片 OCR、PDF 正文、掃描件視覺識別與表格提取收斂到同一 Skill，適合在 Agent 工作流裏處理文檔數字化。官方 Skill 頁：https://www.skillhub.cn/skills/user_5f9c21aa/pdf-image-text-extractor；API 入口：https://api.skillhub.cn/user_5f9c21aa/pdf-image-text-extractor。
