Claude Code、Cursor、Windsurf 这些 Code Agent 用起来很爽，但都有个共同的短板：没法直接读 PDF 和截图。你让它读一份产品文档，它会告诉你"无法读取"，开发流程就断在这里了。
解决办法是装一个 MinerU 的 Skill，一行命令：
npx skills add tanis90/pdf-converter-mineru装完之后 Code Agent 就能直接解析 PDF 了。下面说说原理和实际用起来的效果。
"文档阅读"是个无状态需求，用 Skill 比自己配解析服务器轻量得多：
实际对比过：没装之前要手动打开 PDF、截取内容、粘贴到终端，还经常格式错乱。装了之后直接对话就行。
场景 1：解析 API 文档写代码
很多老的内部接口文档只有 PDF 格式。直接跟 Agent 说：
"帮我读一下这篇 api_spec.pdf，重点看认证授权章节，然后用 Python 写一个支持重试机制的 client。"
Agent 会自动调 MinerU Skill 把 PDF 转成 Markdown（用 flash-extract），然后从里面提取认证参数写代码。
场景 2：带复杂表格和公式的论文
复现论文时最怕表格数据对不齐、公式变乱码：
"解析这篇 attention.pdf，把第四章的对比表格提取出来作为代码测试的 mocked data。"
双栏排版的顶会论文也能还原成 Markdown，AI 可以正常读取。
这个 Skill 背后是上海人工智能实验室开源的文档解析引擎 MinerU，GitHub 56.9K+ Stars，OmniDocBench 综合评测第一。
和 PyPDF2 这类简单提取库不同，MinerU 有两套引擎（Pipeline + 基于 InternVL 的视觉多模态模型），在公式（CDM 97.29）、嵌套表格（TEDS-S 94.48%）、图文混排上的表现都不错。转出来的 Markdown 很适合喂给 LLM 和 RAG 系统。
版权声明：本文内容由互联网用户自发贡献，该文观点仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请联系我们，一经查实，本站将立刻删除。
如需转载请保留出处：https://51itzy.com/kjqy/254009.html