前言¶
在 Agent 工作流里，文档往往散落在 PDF、Office、扫描件、网页和音视频里。自己接 OCR、转码和版面分析，要维护多套脚本和依赖，还要处理表格、目录这类结构信息。下面介绍 SkillHub 上的 omni-reader多模态文档解析（坐标 @org-y1eh5fyg/cue-omni-reader）：通过上传本地文件或输入 URL，把内容解析为 Markdown，便于后续检索、摘要和改写。
这是什么¶
omni-reader多模态文档解析 是 SkillHub 分类 office-efficiency 下的企业来源 Skill，当前版本 v1.8.8，发布者为 解析。官方定位是：输入 URL 或上传文件（不限定为某一种扩展名），将文档、网页及压缩包等内容解析为 Markdown；默认即插即用、默认不落盘，强调隐私与结构还原（目录、复杂表格、高精度 OCR，以及音视频转文字稿与画面理解）。
与「只支持单一格式」的本地转换脚本相比，它把多模态输入和 Markdown 输出收敛到同一套 Skill 接口里，由 Agent 按 SKILL.md 调用后端能力，而不是在项目里为每种格式单独写管道。
核心功能¶
以下能力均来自 SkillHub 官方简介与页面说明，安装前可先对照是否满足需求。
- 输入方式：本地文件上传，或输入 URL（含网页等远程资源）。
- 文档与办公格式：官方列举包括 PDF、Office（未在简介中逐一枚举 Word/Excel/PPT 子类型，以实际上传类型为准）、图片、模糊扫描件、压缩包等。
- 网页：支持将网页内容解析为 Markdown。
- 音视频：可将音视频一键转为文字稿，并具备 画面视觉理解 能力；适用场景包括视频转脚本、从主流视频网站 URL 提取 PPT 等（具体站点与格式以 Skill 运行时支持为准）。
- 结构还原：强调还原 文档目录结构 与 复杂表格结构，面向高精度文档处理与 OCR 类任务。
- 接入形态：基于通用 SKILL.md 格式；SkillHub 标签
requires_api_key=true，表示依赖提供方的 API Key（或等价鉴权），使用前需完成配置。
SkillHub 页面统计（以抓取资料为准）：评分 100000，下载 3022。
安装与启用¶
方式一：让 AI 按官方指引安装¶
SkillHub 页面给出的安装提示词为：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@org-y1eh5fyg/cue-omni-reader`。
将上述内容发给当前使用的 AI 客户端，由其按文档检查 CLI、选择正确的 skills 目录并完成安装。
方式二：使用 SkillHub CLI¶
先做环境检查；未安装 CLI 时再执行官方安装脚本。
command -v skillhub && skillhub --version
# 完整安装（CLI + 默认 Skill，推荐）
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
# 仅安装 CLI
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安装 Skill 时 必须 使用 --dir 指向当前 Agent 的 skills 目录，否则默认会装到 ./skills/，客户端可能无法识别。
skillhub install @org-y1eh5fyg/cue-omni-reader --dir <你的 skills 目录>
常用客户端的 skills 路径（摘自 SkillHub 安装文档）：
| 客户端 | skills 目录 |
|---|---|
| Cursor | ~/.cursor/skills/ |
| Claude Code | ~/.claude/skills/ |
| Codex | ~/.codex/skills/ 或项目下的 .agents/skills/ |
| Windsurf | ~/.codeium/windsurf/skills/ 或 .windsurf/skills/ |
例如在 Cursor 中可将 <你的 skills 目录> 设为 ~/.cursor/skills/。安装或更新后，若客户端要求重启或重新加载 skills，按其产品说明操作。
API Key¶
标签 requires_api_key=true 表示本 Skill 需要有效的 API 鉴权。请在 Skill 安装包内的 SKILL.md 及提供方文档中查看申请方式与配置项名称；本文不列举未在公开页面出现的字段名。
典型用法¶
经安装并配置 API Key 后，在对话中让 Agent 加载该 Skill，按 SKILL.md 的约定发起解析即可。与官方简介一致的高层次流程如下：
- 本地文件：将待解析文件提供给 Agent（或按 Skill 说明的路径/上传方式提交），说明需要 Markdown 输出及是否保留目录、表格结构。
- URL：提供目标网页或远程资源地址，由 Skill 拉取并解析为 Markdown。
- 音视频 / 扫描件：说明需要 文字稿、是否需要 画面理解 或 结构还原（如复杂表格、目录），避免与纯纯文本 OCR 需求混淆。
具体工具名、参数和返回字段以安装后的 SKILL.md 为准；未在官方页面公开的 MCP 工具名不在此臆造。
适用场景与注意¶
适合谁
- 需要在 Agent 里统一处理 多格式文档 + 网页 + 音视频，且希望输出为 Markdown 的团队或个人。
- 对 长 PDF、扫描件、复杂表格 或 视频转脚本 有结构或精度要求，不愿自建全套解析链路的场景。
注意
- 解析质量、支持格式边界和 URL 可达性取决于 提供方服务 与当前 v1.8.8 实现，遇失败应查阅 SKILL.md 或 SkillHub 页面说明。
- 默认不落盘 有利于隐私，但若你需要本地归档，应在工作流中显式保存 Agent 返回的 Markdown。
- 涉及 API 调用时会产生 用量与费用，定价与配额以提供方为准；SkillHub 简介未给出具体价目，本文不写价格对比。
- 未核实到的客户端差异（例如某 CLI 独有配置）不单独展开；以
skillhub.md与各自 skills 目录约定为准。
结尾¶
omni-reader多模态文档解析 把「上传或 URL → Markdown」收敛为可安装的 Agent Skill，并覆盖文档、网页、压缩包与音视频等多模态输入。若你正在 SkillHub 上选型办公效率类解析能力，可从官方页面查看版本与说明：
