前言¶
在 Agent 工作流里读 PDF、Word 或扫描件，常见做法是整份上传给模型，或走云端文档 API。前者受上下文和文件大小限制，后者往往要联网、按量计费，敏感材料也不适合出网。若你只需要可检索的纯文本、带坐标的结构化结果，或按页截图供多模态模型使用，本地解析更合适。下面介绍 SkillHub 上的「本地文件解析专家」，它把 LiteParse 的 CLI 与 Python 用法写进 Agent Skill，便于在对话里触发「解析文档」「提取 PDF 文字」等任务。
这是什么¶
「本地文件解析专家」是 SkillHub 社区 Skill（slug：liteparse-anything，展示命名空间为 user_fb9c3efc），当前版本 1.0.0。技能说明由作者 行空小马 (XINGKONIAO) 编写，底层基于 LlamaIndex 团队开源的 LiteParse（Rust 内核，MIT 许可）。
它解决的是：在本机解析 PDF、Word、PPT、Excel、图片等文件，输出纯文本、含边界框/坐标的 JSON、页面 PNG 截图，并支持目录级批量处理；全程不依赖云端解析 API，不产生按次调用费用。
在 SkillHub 上该 Skill 归类为 office-efficiency，社区评分 98287，下载约 1222 次（数据来自 SkillHub 列表信息）。
核心功能¶
以下能力均来自技能包内 SKILL.md 的说明，并与 LiteParse 官方能力一致：
- 多格式解析：PDF、Word（
.docx）、Excel、PPT、图片（JPG/PNG）、RTF、ODF 等；Office 格式需本机安装 LibreOffice，图片解析在 Windows 上需 ImageMagick（技能文档中的可选依赖表）。 - 纯文本提取：
lit parse输出到终端或-o指定文件，--format text。 - 结构化 JSON：
--format json，文本块带坐标/边界框，便于后续 RAG 或版面分析。 - 页面截图：
lit screenshot，按页导出 PNG，供多模态模型看图。 - 批量处理：
lit batch-parse对整目录输入、输出，可指定--format json或 text。 - Python API：
from liteparse import LiteParse，parser.parse(path)得到text、pages、blocks等。 - OCR：图片与扫描件可走内置 Tesseract；中文效果一般时，技能建议可选安装 PaddleOCR（
paddlepaddle、paddleocr）。
运行环境要求：Python 3.10+。
安装与启用¶
1. 从 SkillHub 安装 Skill¶
在已安装 SkillHub CLI 的机器上执行（社区源检索给出的安装命令）：
skillhub install liteparse-anything --namespace indiv-yemo
安装成功后，技能目录一般为 @indiv-yemo/liteparse-anything，内含 SKILL.md 与 install.sh。Skill 详情页：
- https://skillhub.cn/skills/user_fb9c3efc/liteparse-anything
- https://api.skillhub.cn/user_fb9c3efc/liteparse-anything
将 Skill 配置到你所用的 Agent 产品（如 Cursor、Codex CLI、Claude Code 等）时，按各产品对 SKILL.md 的加载方式操作；技能正文未单独区分各 IDE 的差异步骤，此处不展开未在官方文档写明的内容。
2. 安装 LiteParse 运行时（首次使用）¶
加载技能后，应先保证本机已安装 liteparse Python 包。Linux / macOS 可执行技能包中的脚本（路径以你实际安装目录为准）：
bash <技能目录>/install.sh
脚本会检测 import liteparse，未安装则执行 pip install liteparse。也可手动安装并检查 CLI：
pip install liteparse
pip show liteparse
lit --version
若 pip 较慢，技能文档建议使用清华镜像，例如：
pip install liteparse -i https://pypi.tuna.tsinghua.edu.cn/simple
WorkBuddy 用户若将技能放在默认位置，说明中给出的示例路径为 ~/.workbuddy/skills/liteparse-doc-converter/install.sh（与 SkillHub 包内 install.sh 作用相同，以你本机目录为准）。
3. 可选系统依赖¶
| 需求 | 说明 |
|---|---|
| Word / Excel / PPT | 安装 LibreOffice，并确保在 PATH 中 |
| 图片（部分环境） | Windows 可参考技能说明安装 ImageMagick |
| 中文 OCR 增强 | pip install paddlepaddle paddleocr |
典型用法¶
命令行¶
单文件提取文本：
lit parse 文档路径.pdf
输出 JSON 或纯文本文件：
lit parse 文档路径.pdf --format json -o 输出.json
lit parse 文档路径.pdf --format text -o 输出.txt
生成每页截图：
lit screenshot 文档路径.pdf -o ./截图目录
批量处理目录：
lit batch-parse ./输入目录 ./输出目录
lit batch-parse ./输入目录 ./输出目录 --format json
Python¶
from liteparse import LiteParse
parser = LiteParse()
result = parser.parse("文档.pdf")
print(result.text)
print(result.pages)
print(result.pages[0].blocks)
Word 需本机 LibreOffice；图片会走 OCR：
result = parser.parse("报告.docx")
result = parser.parse("扫描件.jpg")
与 Agent 配合的示例流程¶
提取一篇 PDF 供写作参考：
lit parse 竞品文章.pdf -o 竞品文章.txt
批量把素材目录转为文本：
mkdir ./文本输出
lit batch-parse ./pdf素材目录 ./文本输出 --format text
带图表的 PDF：先截图再对单页图 OCR：
lit screenshot 数据报告.pdf -o ./报告截图
lit parse ./报告截图/page_001.png
在对话中可使用技能声明的触发词，例如：解析文档、提取 PDF 文字、文档转文本、lit parse、批量解析、文档解析。
适用场景与注意¶
适合谁：需要把本地 PDF/Office/图片转成文本或 JSON、做 RAG 语料准备、或生成页图给多模态模型的开发者；希望数据不出本机、避免文档云 API 费用的团队。
限制与注意（来自技能说明）：
- 密码保护的 PDF 无法直接解析，需先解密。
- 复杂表格、多栏版式，本地效果可能不如云端 LlamaParse；技能文档对此有说明。
- 超大文件建议分页或批量模式，避免内存压力。
lit找不到时：pip install --upgrade liteparse；Office 解析失败时重点检查 LibreOffice。
结尾¶
「本地文件解析专家」把 LiteParse 的安装、CLI 与 Python 调用收敛成一份 Agent 可遵循的 SKILL.md，适合在 SkillHub 安装后，用自然语言或关键词驱动本地文档解析。开源引擎与许可信息见 run-llama/liteparse；Skill 官方入口：https://api.skillhub.cn/user_fb9c3efc/liteparse-anything 。
