Pdf processor

Skill gqy20/cc_plugins/.claude/skills/pdf_processor

PDF 文献自动处理工具。功能：(1) 扫描 01_articles/ 目录中的 PDF 文件，(2) 使用 MinerU API 转换为 Markdown，(3) 使用 LLM API 生成摘要，(4) 状态跟踪和断点续传。From its SKILL.md

Install

npx -y skills add gqy20/cc_plugins --skill pdf_processor

Assembled from the repository path, not quoted from the project. Check it against their README if it does not work.

One thing to look at

1 stars1 stars. Stars are a popularity signal and not a quality one, but at this level it is likely that nobody has read this closely except its author, and you would be relying on your own review.

SKILL.md

3.0 KB, as published. Nobody here has run it

Claude Instructions

当用户调用此 skill 时，执行以下步骤：

第一步：PDF → Markdown（脚本执行）

import sys
sys.path.insert(0, '/workspaces/Skills_demo/.claude/skills/pdf_processor/scripts')
from processor import PDFProcessor

config = {
    'pdf_dir': '01_articles',
    'output_dir': '01_articles/processed',
    'status_file': '.info/.pdf_processing_status.csv',
}

processor = PDFProcessor(config)
results = processor.process_all_pdfs()
processor.generate_report(results)

第二步：读取 Markdown 并生成摘要（Claude Code 直接处理）

脚本执行后，检查哪些文件需要生成摘要，然后：

读取 01_articles/processed/md/*.md 文件
用 Claude Code 自身能力分析内容，生成摘要 JSON
保存到 01_articles/processed/summaries/*.json

摘要 JSON 格式

{
  "filename": "paper.pdf",
  "title": "论文完整标题",
  "authors": ["作者1", "作者2"],
  "abstract": "论文摘要原文",
  "summary": "中文通俗总结（200-300字）：研究什么问题、用了什么方法、主要发现、研究意义",
  "key_findings": ["发现1（中文）", "发现2（中文）"],
  "keywords": ["关键词1（中文）", "关键词2（中文）"],
  "metadata": {"word_count": 5000, "char_count": 10000},
  "generated_at": "2026-02-06T12:00:00Z",
  "model_used": "claude-sonnet-4-5-20250929"
}

示例 Prompt

分析这篇论文并输出 JSON：

论文：{filename}
内容：
{content}

要求：
- summary: 中文通俗总结，200-300字，说明研究问题、方法、主要发现和意义
- key_findings: 3-5个关键发现，用中文
- keywords: 3-5个关键词，用中文

只输出 JSON，不要其他文字。

当前状态检查

执行前可检查 .info/.pdf_processing_status.csv 确认哪些文件需要处理。

用户文档

自动处理 PDF 文献文件，转换为 Markdown 格式并生成 AI 摘要。

功能概述

功能	说明
PDF 扫描	扫描 `01_articles/` 目录，检测新文件
格式转换	使用 MinerU API 将 PDF 转为 Markdown
AI 摘要	使用 LLM API 生成结构化摘要
并行处理	支持多线程并发处理多个 PDF
状态跟踪	记录处理状态，支持断点续传

使用方法

python .claude/skills/pdf_processor/scripts/processor.py

输出结构

01_articles/
├── xxx.pdf
└── processed/
    ├── md/xxx.md
    └── summaries/xxx.json

摘要 JSON 结构见上方 Claude Instructions 部分。

状态文件

处理状态保存在 .info/.pdf_processing_status.csv。

技巧

批量处理: 放入多个 PDF 后运行一次
并行加速: 默认 5 个并发
断点续传: 中断后重新运行会跳过已处理的文件