前言¶
處理掃描件或圖文混排 PDF 時，常見痛點是：文件能打開、能翻頁，卻拿不到可複製的文本——要麼是掃描圖像，要麼文字嵌在圖片裏，複製出來是亂碼或空白。手工做法通常是把每一頁轉成圖片，再逐張用 OCR 工具識別，最後人工拼接結果，格式和順序容易出錯。下面介紹的 Skill「PDF文字提取」把這一步自動化：直接從 PDF 文檔中識別並提取文字內容，並自動對其中的圖片做 OCR 文字識別。
這是什麼¶
「PDF文字提取」是一個基於通用 SKILL.md 格式的 Agent Skill，座標 @org-rn88lg3j/ocr-pdf，版本 1.0.0，由小笨羊科技（來源標記爲 enterprise）發佈並維護，歸類於 office-efficiency。它解決的問題是：把 PDF 中的文字（包括以圖片形式存在的文字）轉成可編輯、可檢索的文本，避免人工逐頁 OCR 的重複勞動。
核心功能¶
根據官方簡介，該 Skill 提供以下能力：
- 從 PDF 文檔中識別並提取文字內容，處理原生文本層可直接輸出文本。
- 自動對 PDF 中的圖片進行 OCR 文字識別，覆蓋掃描頁、截圖等以圖像形式存在的文字。
- 面向「轉換爲可編輯文本」的目標輸出，適用於需要 PDF 提取文字、進行 OCR 識別、處理含文字的文檔的場景。
官方資料未列出更多細粒度功能（例如表格還原、批量處理、語言列表等），本文不做推測。
安裝與啓用¶
SkillHub 頁面（https://www.skillhub.cn/skills/org-rn88lg3j/ocr-pdf）當前只提供了座標、版本、來源、分類與標籤信息，未提供具體的安裝命令或目錄路徑。已知的啓用相關信息如下：
座標: @org-rn88lg3j/ocr-pdf
版本: 1.0.0
來源: enterprise
分類: office-efficiency
標籤: requires_api_key=true
其中標籤 requires_api_key=true 表示該 Skill 需要 API Key 才能使用。官方資料未給出 API Key 的申請入口與配置字段名；也未說明在 Cursor、Codex CLI、Claude Code 等客戶端中安裝方式的差異，本文不對此做未經驗證的陳述。如需啓用，建議先打開官方頁面覈對最新的安裝說明。
典型用法¶
官方簡介給出的觸發場景是：當用戶需要 PDF 提取文字、進行 OCR 識別、處理含文字的文檔或轉換爲可編輯文本時使用。即在實際使用中，把目標 PDF 交給已加載該 Skill 的 Agent，並用自然語言說明任務，例如：
從這份 PDF 中提取全部文字，並對其中的圖片做 OCR，輸出可編輯文本。
官方資料未提供更具體的輸入輸出示例、參數說明或返回格式樣例，本文不做虛構。
適用場景與注意¶
適合的場景：需要把 PDF 內容轉爲可編輯文本或做全文檢索的辦公效率類任務，尤其是文字以圖片形式存在、常規復制拿不到內容的情況。
需要注意的點：
- 該 Skill 需要 API Key（標籤 requires_api_key=true），調用前需確認 Key 已配置，否則功能不可用。
- OCR 對圖片中文字的識別效果受原圖清晰度、字體、排版影響，官方資料未承諾識別準確率，也未列出支持的語言範圍。
- 來源標記爲 enterprise、發佈者爲小笨羊科技，涉及內部或付費文檔時，建議先確認文檔是否允許被上傳或傳入外部服務。
- 版本號爲 1.0.0，屬於初始版本，後續接口或行爲可能有調整。
結語¶
「PDF文字提取」的價值在於把 PDF 文本提取與圖片 OCR 合併爲一步，省去手工轉圖、逐張識別、拼接結果的流程，適合作爲辦公效率類工作流中的一個自動化環節。官方地址：https://www.skillhub.cn/skills/org-rn88lg3j/ocr-pdf（接口地址 https://api.skillhub.cn/org-rn88lg3j/ocr-pdf）。
