前言¶
在 Agent 工作流裏讀 PDF、Word 或掃描件，常見做法是整份上傳給模型，或走雲端文檔 API。前者受上下文和文件大小限制，後者往往要聯網、按量計費，敏感材料也不適合出網。若你只需要可檢索的純文本、帶座標的結構化結果，或按頁截圖供多模態模型使用，本地解析更合適。下面介紹 SkillHub 上的「本地文件解析專家」，它把 LiteParse 的 CLI 與 Python 用法寫進 Agent Skill，便於在對話裏觸發「解析文檔」「提取 PDF 文字」等任務。
這是什麼¶
「本地文件解析專家」是 SkillHub 社區 Skill（slug：liteparse-anything，展示命名空間爲 user_fb9c3efc），當前版本 1.0.0。技能說明由作者 行空小馬 (XINGKONIAO) 編寫，底層基於 LlamaIndex 團隊開源的 LiteParse（Rust 內核，MIT 許可）。
它解決的是：在本機解析 PDF、Word、PPT、Excel、圖片等文件，輸出純文本、含邊界框/座標的 JSON、頁面 PNG 截圖，並支持目錄級批量處理；全程不依賴雲端解析 API，不產生按次調用費用。
在 SkillHub 上該 Skill 歸類爲 office-efficiency，社區評分 98287，下載約 1222 次（數據來自 SkillHub 列表信息）。
核心功能¶
以下能力均來自技能包內 SKILL.md 的說明，並與 LiteParse 官方能力一致：
- 多格式解析：PDF、Word（
.docx）、Excel、PPT、圖片（JPG/PNG）、RTF、ODF 等；Office 格式需本機安裝 LibreOffice，圖片解析在 Windows 上需 ImageMagick（技能文檔中的可選依賴表）。 - 純文本提取：
lit parse輸出到終端或-o指定文件，--format text。 - 結構化 JSON：
--format json，文本塊帶座標/邊界框，便於後續 RAG 或版面分析。 - 頁面截圖：
lit screenshot，按頁導出 PNG，供多模態模型看圖。 - 批量處理：
lit batch-parse對整目錄輸入、輸出，可指定--format json或 text。 - Python API：
from liteparse import LiteParse，parser.parse(path)得到text、pages、blocks等。 - OCR：圖片與掃描件可走內置 Tesseract；中文效果一般時，技能建議可選安裝 PaddleOCR（
paddlepaddle、paddleocr）。
運行環境要求：Python 3.10+。
安裝與啓用¶
1. 從 SkillHub 安裝 Skill¶
在已安裝 SkillHub CLI 的機器上執行（社區源檢索給出的安裝命令）：
skillhub install liteparse-anything --namespace indiv-yemo
安裝成功後，技能目錄一般爲 @indiv-yemo/liteparse-anything，內含 SKILL.md 與 install.sh。Skill 詳情頁：
- https://skillhub.cn/skills/user_fb9c3efc/liteparse-anything
- https://api.skillhub.cn/user_fb9c3efc/liteparse-anything
將 Skill 配置到你所用的 Agent 產品（如 Cursor、Codex CLI、Claude Code 等）時，按各產品對 SKILL.md 的加載方式操作；技能正文未單獨區分各 IDE 的差異步驟，此處不展開未在官方文檔寫明的內容。
2. 安裝 LiteParse 運行時（首次使用）¶
加載技能後，應先保證本機已安裝 liteparse Python 包。Linux / macOS 可執行技能包中的腳本（路徑以你實際安裝目錄爲準）：
bash <技能目錄>/install.sh
腳本會檢測 import liteparse，未安裝則執行 pip install liteparse。也可手動安裝並檢查 CLI：
pip install liteparse
pip show liteparse
lit --version
若 pip 較慢，技能文檔建議使用清華鏡像，例如：
pip install liteparse -i https://pypi.tuna.tsinghua.edu.cn/simple
WorkBuddy 用戶若將技能放在默認位置，說明中給出的示例路徑爲 ~/.workbuddy/skills/liteparse-doc-converter/install.sh（與 SkillHub 包內 install.sh 作用相同，以你本機目錄爲準）。
3. 可選系統依賴¶
| 需求 | 說明 |
|---|---|
| Word / Excel / PPT | 安裝 LibreOffice，並確保在 PATH 中 |
| 圖片（部分環境） | Windows 可參考技能說明安裝 ImageMagick |
| 中文 OCR 增強 | pip install paddlepaddle paddleocr |
典型用法¶
命令行¶
單文件提取文本：
lit parse 文檔路徑.pdf
輸出 JSON 或純文本文件：
lit parse 文檔路徑.pdf --format json -o 輸出.json
lit parse 文檔路徑.pdf --format text -o 輸出.txt
生成每頁截圖：
lit screenshot 文檔路徑.pdf -o ./截圖目錄
批量處理目錄：
lit batch-parse ./輸入目錄 ./輸出目錄
lit batch-parse ./輸入目錄 ./輸出目錄 --format json
Python¶
from liteparse import LiteParse
parser = LiteParse()
result = parser.parse("文檔.pdf")
print(result.text)
print(result.pages)
print(result.pages[0].blocks)
Word 需本機 LibreOffice；圖片會走 OCR：
result = parser.parse("報告.docx")
result = parser.parse("掃描件.jpg")
與 Agent 配合的示例流程¶
提取一篇 PDF 供寫作參考：
lit parse 競品文章.pdf -o 競品文章.txt
批量把素材目錄轉爲文本：
mkdir ./文本輸出
lit batch-parse ./pdf素材目錄 ./文本輸出 --format text
帶圖表的 PDF：先截圖再對單頁圖 OCR：
lit screenshot 數據報告.pdf -o ./報告截圖
lit parse ./報告截圖/page_001.png
在對話中可使用技能聲明的觸發詞，例如：解析文檔、提取 PDF 文字、文檔轉文本、lit parse、批量解析、文檔解析。
適用場景與注意¶
適合誰：需要把本地 PDF/Office/圖片轉成文本或 JSON、做 RAG 語料準備、或生成頁圖給多模態模型的開發者；希望數據不出本機、避免文檔雲 API 費用的團隊。
限制與注意（來自技能說明）：
- 密碼保護的 PDF 無法直接解析，需先解密。
- 複雜表格、多欄版式，本地效果可能不如雲端 LlamaParse；技能文檔對此有說明。
- 超大文件建議分頁或批量模式，避免內存壓力。
lit找不到時：pip install --upgrade liteparse；Office 解析失敗時重點檢查 LibreOffice。
結尾¶
「本地文件解析專家」把 LiteParse 的安裝、CLI 與 Python 調用收斂成一份 Agent 可遵循的 SKILL.md，適合在 SkillHub 安裝後，用自然語言或關鍵詞驅動本地文檔解析。開源引擎與許可信息見 run-llama/liteparse；Skill 官方入口：https://api.skillhub.cn/user_fb9c3efc/liteparse-anything 。
