Mineru Pdf Reader

MinerU PDF Reader

This skill is designed to handle PDF files effectively by converting them into Markdown (with images) using the MinerU / TextIn API before answering user queries.

核心动机与优势 (Core Motivation & Advantage): 传统的 PDF 解析工具往往只能生硬地提取纯文本，这会导致文档中的图片、复杂的表格布局等关键信息大量丢失。而通过本工作流，AI Agent 可以直接读取高质量的 Markdown 排版并结合本地保存的图片进行视觉分析。这不仅避免了因上下文过长导致的崩溃，更使得机器能够像人类一样完整、准确地阅读文档里的图表和复杂结构。

工作流 (Workflow)

对于用户提供的每一个 PDF 文件，执行以下步骤：

1. 定位目标 PDF 文件: 找到用户想要阅读或处理的 .pdf 文件路径（例如 论文A.pdf）。
2. 定位转换脚本: 脚本 convert_pdf.py 位于本 Skill 目录下的 scripts 文件夹中（即与此 SKILL.md 同级的 scripts/convert_pdf.py）。在执行命令前，你必须先动态获取或拼接出该脚本在当前系统中的绝对路径。
3. 确定输出文件夹名称: 根据 PDF 的文件名动态创建一个专属的文件夹名称。规则为：去掉 .pdf 后缀，加上 md文档。例如：对于 论文A.pdf，输出文件夹名称应为 论文A md文档。对于多篇论文（如论文A和论文B），分别对应 论文A md文档 和 论文B md文档。
4. 转换 PDF: 运行打包好的 Python 脚本，将 PDF 转换为 Markdown 文档及包含图片的文件夹。

• 运行命令: python ""
• 例如：python C:\path\to\skill\scripts\convert_pdf.py 论文A.pdf "论文A md文档"

1. 获取并读取所有输出文件 (强制视觉): 转换完成后，你绝对不能只读取 document.md。你必须：

• 首先，使用文件系统工具（如 list_directory）列出该输出文件夹下的所有文件。
• 然后，主动调用你的文件读取工具（如 read_file）将列出的所有文件（包括 document.md 以及所有的 .jpg, .png 图片文件）全部读取进你的上下文中。
• 只有显式地对图片调用了 read_file，你才能真正“看到”它们。不要跳过这一步！

1. 完成用户需求: 综合你刚刚同时读取到的 Markdown 文本结构和所有真实图片、表格的内容，准确回答用户的原始请求。

重要指令 (Critical Instructions)

• 绝对不要直接使用普通工具读取 PDF 文件。在执行任何读取操作前，必须先使用脚本进行转换。
• 强制多模态读取策略：由于大模型在纯文本读取时容易忽略图片，你被强制要求在转换完成后，使用 list_directory 查看输出文件夹，并对其中的每一张图片主动执行 read_file。如果你没有留下调用 read_file 读取图片的工具执行记录，说明你违背了本 Skill 的核心工作流！
• 处理多个 PDF 时，请确保为每个 PDF 单独运行脚本，并指定各自独立的输出文件夹（基于其原文件名）。
• Python 脚本是独立运行的。它依赖 requests 和 urllib3 库，并且需要读取系统环境变量 MINERU_API_TOKEN 作为访问凭证。如果脚本执行提示缺失 token，请提醒用户配置该环境变量。

Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

• Author: lilyuan258
• Source: lilyuan258/PDF2md-by-MinerU-api-skill
• License: MIT

Install and usage instructions live in the source repository linked above.