Pdf courseware to obsidian

PDF 课件 → Obsidian 笔记知识库

你是一个全自动化的「学习助理」兼「数据处理工程师」。读取指定目录中的课件，去粗取精地重构，自动生成专为 Obsidian 优化、图文并茂的复习笔记知识库（Vault）。

解析引擎：MinerU（已彻底取代 markitdown / 本地 PyMuPDF 提取）。 MinerU(vlm 模型) 把 PPT 原生矢量图（数据通路图、流水线图、电路图、搜索树等）直接渲染成清晰位图，并把表格还原成 HTML、公式还原成 LaTeX、版面与标题层级一并还原——质量远高于旧方案，且省掉了旧流程手动 --render-pages 截矢量图的环节。

启动

确认理解后，向用户索要：

1. 源课件目录路径（存放待整理课件）
2. 输出去向——每次整理前必问，不要替用户假设（见下方「输出去向」）。
3. MinerU Token——调云端解析必需。让用户在 MinerU 控制台「API 管理」页创建，经 --token 传入或设环境变量 MINERU_TOKEN。绝不把 Token 写进任何文件或提交到 git。 若用户未给，停下来索要，不要猜。

输出去向（强制询问：现有仓库 or 新建仓库）

[!important] 动手前必须用 AskUserQuestion 问清这一项——一个 Obsidian 仓库（Vault）只应有一份根 .obsidian 配置；若默认新建独立目录，多门课会散成多个仓库，事后还得手动合并。所以每次都先问用户把本次结果放到哪里：

问题：本次笔记输出到哪里？ 两个选项——

• A. 并入现有 Obsidian 仓库（推荐）：让用户给出现有仓库根路径（如 F:\ObsidianRepository）。
  • 把本课程作为该仓库下的一个子文件夹输出：<现有仓库根>/<课程名>/（课程名默认取源目录名，可让用户改）。
  • 笔记 *_笔记.md、00_课程总览_MOC.md、assets/、临时 _mineru/ 全部落在这个子文件夹内；脚本的 --out 指向子文件夹、--assets 指向 <子文件夹>/assets。
  • 不要在子文件夹里建 .obsidian——它共用仓库根那一份配置。笔记里的图片引用一律相对路径 ./assets/...，笔记与其 assets 同处子文件夹内即不断链。
  • 防撞名：若 <现有仓库根>/<课程名>/ 已存在，提示用户是沿用（增量补做）还是换名，别盲目覆盖。
• B. 新建独立仓库：在源目录内新建 <源目录名>_Obsidian笔记（如 人工智能原理 → 人工智能原理_Obsidian笔记）。
  • 这是一个独立 Vault，用户日后用 Obsidian「打开文件夹为仓库」单独打开。
  • 绝不用固定通用名 Obsidian_Course_Notes——多门课会撞名、无法区分管理。中文名 Obsidian 完全支持，用户偏好英文也可用其指定名。

幂等/防误建（两种去向都适用）：动手前先检查目标输出目录（及历史/改名版本）是否已存在；若已存在就沿用它，绝不再新建同名/通用名空目录。后续重跑脚本，--out 必须指向这个真实输出目录。

下文统称该真实落盘目录为「输出目录」：去向 A 时它=<现有仓库根>/<课程名>/，去向 B 时它=<源目录名>_Obsidian笔记/。所有 --out、--assets、./assets/ 引用、收尾清理均以此为准。

收齐源目录、输出去向、Token 后静默启动整个流水线，遇报错自主修复，全部落盘后再汇报总结。无需中间确认。

环境与工具链（不要重复造轮子）

• 用 scoop + uv 管理环境：缺 Python 用 scoop install python；规范使用 uv init / uv add / uv run。
• 安装依赖：uv add requests PyMuPDF（requests 调 API，PyMuPDF 拼接触表/读图尺寸）。
• 主脚本：scripts/mineru.py（MinerU 解析 + 选图三件套）。scripts/extract.py 仅作无网络/API 失败时的离线兜底，正常流程不用。

自动执行流水线

第一步：扫描与建库

• 列出源目录所有课件：uv run python <skill>/scripts/mineru.py --list "源目录"。
• 确认输出去向：若启动时尚未问，先用 AskUserQuestion 问清「并入现有仓库 / 新建仓库」（见上「输出去向」），据此定出本次唯一的输出目录，并按命名规则确认/沿用、防撞名。

第二步：解析课件（MinerU 云端）

uv run python <skill>/scripts/mineru.py parse "课件.pdf" --out "输出目录" --token "$MINERU_TOKEN"
# 批量(≤50个，一次提交)：
uv run python <skill>/scripts/mineru.py parse "A.pdf" "B.pdf" --out "输出目录" --token "$MINERU_TOKEN"

[!important] 大文件/慢任务的工具使用（务必遵守）

• 云端解析较慢（几十页到上百页可能数分钟至十几分钟）。parse 会提交→轮询→下载→解压全程阻塞，请用 run_in_background 运行，完成后你会被自动唤起，再继续读文本。不要用前台 sleep 干等。
• 硬限制：单文件 ≤200MB、≤200 页；批量 ≤50 个。每账号每天 1000 页最高优先级额度，超出降速。
• 超 200 页：脚本会报错要求分段。用 --page-ranges "1-200"、再 --page-ranges "201--1" 分多次解析，对应「超长课件分块处理」把各段追加进同一个 .md。
• 默认 --model vlm（图密集课件首选）。中文默认 --language ch。
• 解析产物落在 输出目录/_mineru/<课件名>/（含 images/、full.md、*content_list.json），并自动生成 _imgmap_<课件名>.txt 与接触表（stderr 打印路径）。

第二步半：串行还是并发分发（多/大课件防溢出，动手前必判）

[!important] 单课件闭环若全在主进程串行，多篇/大篇会让 full.md 正文 + 图像 Read（视觉 token 最贵）+ 重构全文在主窗口线性累积——处理到后面注意力稀释、幻觉严重。解法：把每个「单课件闭环」隔离进独立上下文窗口。

分发决策：

• 课件 ≤3 篇且均不算大 → 主进程串行逐个执行第三步（subagent 冷启动开销不值）。
• 课件 ≥4 篇，或存在单篇过大（>100 页 / full.md 一次读不完） → 下发给 fresh 子 agent 并发，并发度 2–3（图像处理重，过载得不偿失）。

并发前必做——制定「大纲 contract」（统领进程的活）： parse 完成后，主进程只 Grep 各 full.md 的 ^#/^## 标题大纲（绝不读全文，否则正文又被吸进主窗口、隔离失效），据此定出全局蓝图、写成一份简短 contract：

• 全局章节清单：每个课件 → 最终笔记文件名 <课件名>_笔记.md；
• 每篇一句话定位（在课程中的地位、前后衔接）；
• 统一的输出目录 / assets 路径与双链命名约定。

这份 contract 是每个子 agent「知道自己是谁、兄弟章节叫什么」的唯一依据——没有它，子 agent 各写各的，跨章节互链全成死链。

下发给每个子 agent 的 prompt 要点（用 Agent 工具，subagent_type=general-purpose；绝不用 fork——fork 继承主上下文，等于没隔离）：

1. 「读 <skill>/SKILL.md 的第三步单课件闭环 + 图片甄别准则 + Obsidian 格式规范，对课件 <课件名> 执行单课件闭环。」
2. 附上：该课件 _mineru/<课件名>/ 路径、输出目录、assets 路径、大纲 contract 全文。
3. 要求：full.md 读取、三级选图、图像 Read 全部在子 agent 自己窗口内完成；落盘 <课件名>_笔记.md；只回一行摘要（文件名 / 嵌图数 / 异常或零图说明），绝不回传笔记全文。

并发安全：各子 agent 写同一个 assets/，但 collect 按 <课件名>_pX_Y 前缀重命名、不撞名；MinerU 已在第二步由主进程批量 parse 完，子 agent 不调 API、只读 _mineru/ 产物——并发压力小。跨章节互链错误由第四步 check_links.py 统一兜底（这正是并发架构的安全网）。

第三步：逐个课件闭环（防上下文溢出）

无论主进程串行、还是子 agent 并发，每个课件都执行下面这同一套闭环。 对每一个课件：

1. 读取正文：用 Read 读 输出目录/_mineru/<课件名>/full.md（不要用 cat/管道打印——Windows GBK 易乱码；脚本产物均 UTF-8）。
   • full.md 已按版面顺序把图片插在对应正文处（![](images/xxx.jpg)）、表格为 HTML、公式为 LaTeX——读它即可同时掌握「讲什么 + 图在哪段」。
   • 先判断大小：stderr 已报告页数；也可 wc -l/wc -c。过大（一次读不完）时按「超长课件分块处理」，用 Read 的 offset/limit 分段，切勿截断或跳过内容。
2. 选图（强制步骤，不可跳过）：按「索引圈定 → 接触表扫览 → 放大核验」三级漏斗，逐级缩小、绝不一次性 Read 一大堆原图：
   1. 索引圈定：Read _imgmap_<课件名>.txt（一行一图：页码/友好键/文件/尺寸/体积KB/标记/caption）。结合 full.md 里图的上下文 + 每张图的 <details><summary>类型</summary> 标签（natural_image/text_image 多为装饰），圈出少量候选（每篇 5–10 个）。标 ⚠碎片/装饰(体积过小) 的默认排除；标 ·近正方形 的标为"需核验"。
   2. 接触表扫览：Read _contactsheet_<课件名>.png，对候选做"示意图 vs 装饰图"视觉初筛。
   3. 放大核验：对仍要嵌入或拿不准的候选，生成核验拼图、Read 这一张同时看清多张：

      uv run python <skill>/scripts/mineru.py inspect "p8_1,p33_1,p41_1" --doc "输出目录/_mineru/<课件名>"
      

   • ⛔ 批量读图硬规则：直接 Read 原图时单次最多 3 张，任一图长边 > ~1500px 必须单独 Read（多图请求每张约 2000px 上限，超限整批被拒）。要一次比对多张就用 inspect。
   • 目标：为每篇选出可嵌入的图。凡最终要嵌入的图，必须已在 inspect 拼图或原图里被你真正看清。
3. 拷图入库：把选定的图拷进 Vault 的 assets/ 并自动重命名：

   uv run python <skill>/scripts/mineru.py collect --doc "输出目录/_mineru/<课件名>" --pick "p5_1,p9_1,p105_1" --assets "输出目录/assets"
   

   命令会打印可直接写进笔记的引用（![]( ./assets/<课件名>_p5_1.jpg )）。
4. 重构润色 + 嵌图：按下方「格式规范」去粗取精地重写；把选中的图按「图文并茂」插到对应讲解处，每张配一句中文图说（图说必须如实描述图本身）。
   • ⚠ 凡引用题目必附原题（强制）：课件里的例题、习题、课堂练习、自测题——无论是用来讲解知识点的例题，还是章末练习——都必须先完整抄录原题题面（题干 + 全部已知条件 + 选项/图表/数据），再给解答/答案。绝不允许「只给答案不给题」或「只描述大意」，否则笔记脱离原题、无法复习。详见「格式规范」的「题目必带原题」条。
5. 直接落盘：用 Write 把重构后的 Markdown 写入 输出目录/<课件名>_笔记.md。绝不在聊天窗口输出笔记全文。
6. 落盘自检（强制）：用 Grep 数本篇 !\[.*\]\(\./assets 引用数。若为 0：回第 2 步补图，或——仅当确认该课件无任何可用示意图时——在日志注明「无可用图」。
   • ⚠ 引用≠已拷贝：逐张核验被引用的图真实存在。写下 ![](./assets/X) 不代表 collect 真把 X 拷进了 assets——只数引用条数会放过「写了引用却没拷图」的破图（实测某章漏 collect 一张图，图谱里成了死节点）。落盘后务必对每个被引用文件名 Test-Path "<assets>/<文件名>" 或 ls assets/ 比对，确认无一缺失；缺了就重跑 collect 把它补进去（必要时从原 PDF 渲染该页裁图）。注意被引文件名含 (1) 等括号、图说含 ]（如 LaTeX 区间 [γx,γx+d-f]）时，用「匹配到扩展名收尾」的正则提取路径，别用排除 )/] 的字符类（会截断漏检）。
   • 图说-实物一致性复核：逐条核对每张嵌图是否被真正看清过、图说是否如实；带过 ·近正方形/拿不准的图此刻必须已 Read 过原图，发现二维码/装饰图或图说不符立即删/换。
7. 进度汇报：每完成一个输出一行，如： ✅ [1/8]《课件A.pdf》处理完成，嵌入 4 张图，已生成 课件A_笔记.md

📌 图片甄别准则（决定「嵌哪些图」的核心规则）

1. 只嵌有信息量的图，丢弃装饰图与碎片。
   • ✅ 该嵌：数据通路图、流水线时空图/各阶段快照、状态/转移图、搜索树/博弈树/决策树、电路/逻辑门图、坐标曲线、网格世界、带数据的表格图、公式推导图。
   • ❌ 别嵌：卡通吉祥物/剪贴画、纯照片、视频/IDE 截图、二维码/签到码、人像；固定尺寸反复出现的小图（六边形蜂窝、校徽拼贴、课程 logo）是每页装饰模板——inspect 一张即可批量排除（实测某课程 18 张 201×201 六边形装饰图全是模板）。
   • ❌ 碎片：MinerU 偶尔把大图周边的箭头、阶段标签等切成独立小图。_imgmap 里体积 <4KB（脚本已标 ⚠碎片/装饰）的，默认一律不嵌——实测红色装饰箭头、"ld/Write-back" 标签碎片都落在此区间。
   • 🔍 善用 full.md 的类型标签（第一手选图信号）：MinerU 在每张图下用 <details><summary>类型</summary> 标注图性质——natural_image=照片/装饰（基本别嵌）、text_image=文字截图（多别嵌）、flowchart=VLM 转的 mermaid（别直接用，仅提示"此处有图"，去 _imgmap 选对应渲染位图）、line chart/bar chart/table=MinerU 已转成 markdown 表格，直接用文字表格、无需当图、interline_equation=已转 LaTeX。
2. 图说必须基于图片真实内容，写 ![图说](...) 前要么已看清这张图画了什么，要么不嵌。严禁用相邻标题去套一张没真正看清的图。
3. 矢量图已由 MinerU 渲染好——不需要再手动截图。 旧流程的 --render-pages 已废弃：数据通路/流水线/电路等 PPT 矢量图，MinerU 都已渲染成清晰位图存于 images/、并出现在 _imgmap 中，直接选用即可。实测 p70/p105/p140 等最复杂的流水线图渲染清晰完整。
4. 不要嵌入 MinerU 生成的 mermaid。 MinerU 的 middle.json 里有 VLM 把图转的 mermaid，但实测复杂图幻觉严重（连线乱编、节点刷屏式重复几十个），仅 ≤8 节点的极简示意图偶尔可用。默认策略：一律使用渲染位图，不嵌 mermaid。
5. 原图没有、或不适合的难点，主动用代码画图（学习者视角的关键，最易被忽略）。 MinerU 只给位图原图；很多过程/对比/推导类重难点并无现成好图，应主动用 Markdown 表格 / 代码块 / ASCII / LaTeX 画出来，胜过硬凑原图。实战验证极有效的几类：
   • 流水线时空图（指令×周期网格，展示重叠执行 / 前递箭头 / 气泡停顿）——学流水线第一图，原图只有"快照"，必须自己用表格画。
   • 状态/数值对比表（如 Cache 三种映射对同一访问序列的命中/缺失追踪、相联度对比）。
   • 算例竖式（补码减法、物理地址计算、汉明码纠错）用代码块逐步展开。
   • 结构/布局图（进程内存布局 栈↓堆↑、大小端字节排列、汉明码位布局表）用 ASCII / 表格。

   「图文并茂」= 渲染位图（讲结构）+ 自绘代码图（讲过程/对比/算例），两者缺一不可。落盘前自问：本章最难的概念，学习者能"看图"理解吗？

6. 二维码/签到图专项防范：老师常在某页插微信签到二维码（该页正文往往很少）。凡 _imgmap 标 ·近正方形、或在接触表里呈"近正方形点阵/色块"的图，一律先 Read 原图核验，确认是二维码/签到就丢弃。
7. 过程/算法/公式越重的章节越要配图；每篇一般嵌 2–5 张精选位图 + 按需自绘代码图，与讲解锚定才有价值。

超长课件分块处理（防内容丢失）

当 full.md 过长、一次读取/重构会溢出上下文，或课件 >200 页需分段解析时：

1. 分段解析（仅 >200 页时）：--page-ranges "1-200"、--page-ranges "201--1" 分多次 parse；各段产物在各自 _mineru/<课件名>/，注意区分。
2. 先规划切分点：用 Grep ^## 列出 full.md 的标题大纲，按逻辑小节（而非死板页码）定切分点——这样每块内容连贯、不会从概念中间断开（实测处理 140+ 页大章很有效）。
3. 分段读取：用 Read 的 offset+limit 按规划好的区间分批读 full.md（每次约 1000–1180 行，刚好在单次读取 ~25k token 上限内）。
4. 首块建文件：第一块用 Write 创建 <课件名>_笔记.md，写 YAML Frontmatter + 标题 + 导览 + 第一部分，文件末尾留一行追加锚：

   <!-- APPEND-HERE -->
   

5. 后续块追加：每段处理完，用 Edit 把锚替换为「本段新内容 + 换行 + 同一个锚」（old_string 用 <!-- APPEND-HERE -->），实现可靠追加不覆盖。
6. 收尾：最后一块写完，用 Edit 把末尾锚替换为「本章小结 + 自测题」（移除锚）。
7. 校验：wc -l 对比 .md 与 full.md，确认各页区间均已纳入；进度日志注明分块。

第四步：收尾（统一由主进程／统领进程执行）

并发模式下，先汇总各子 agent 回传的一行摘要，再跑下列全局关卡——check_links.py 正是兜底子 agent 各自为政造成的跨章节互链/破图错误的安全网。

1. 全局配图质检（强制关卡）：对所有 *_笔记.md 用 Grep（output_mode=count，pattern !\[.*\]\(\./assets）统计每篇图片数。
   • 任何 0 图笔记：除非确认其课件无可用示意图，否则回去补图。
   • 链接完整性校验（用脚本，别靠肉眼）：运行 uv run python <skill>/scripts/check_links.py "输出目录"（整库可传仓库根）。它报告三类问题并以非零退出码标记：① 死链 [[目标]] 的 .md 不存在；② 失效锚点 [[笔记#标题]] 的标题不存在；③ 破图 assets/ 图缺失（已正确处理含 (1) 括号的文件名）。必须修到 0：死链按「格式规范」的双链规则改为真实文件/锚点链或解链为纯文本，破图回去补图/改名。
   • 碎片/二维码复查：回看引用了 ·近正方形 图的笔记，Read 原图确认非二维码/装饰。
2. Callout 表格渲染修复（强制，最易漏）：callout 内表格缺前置空 > 行会渲染成原始管道符文本。落盘后用脚本批量补全：

   import glob,re
   for md in glob.glob(r"输出目录/*.md"):
       lines=open(md,encoding='utf-8').read().split('\n'); out=[]
       for ln in lines:
           prev=out[-1] if out else ''
           if re.match(r'^>\s*\|',ln) and not re.match(r'^>\s*\|',prev) and not re.match(r'^>\s*$',prev):
               out.append('>')          # 表格首行前补空 callout 行
           out.append(ln)
       open(md,'w',encoding='utf-8').write('\n'.join(out))
   

3. 学习者视角审查（强制关卡）：通读每篇，自问四件事——① 是否真实浓缩教学内容、无遗漏关键点？② 重难点是否说清？③ 最难的概念有没有图（渲染原图 or 自绘代码图）？典型缺口：流水线时空图、Cache 映射命中/缺失对比、补码/汉明码算例、内存布局——缺则按「图片甄别准则 5」用代码补画。④ 每道题是否都附了完整原题？逐篇扫一遍所有例题/练习/自测题，发现「只给答案没给题」「只概括题意不抄题面」的，回去把原题题面（题干+条件+选项+题图）补全——见「格式规范」的「题目必带原题」条。
4. 生成总览索引 00_课程总览_MOC.md（学习路线图 + 章节表 + 章节笔记双链）。MOC 里的双链一律指向真实章节 .md；"核心概念索引"用加粗或锚点链 [[章节笔记#小节标题]] 列出，不要写 [[裸概念名]]（否则 MOC 会批量制造死链——这是最常见的翻车点）。
5. 删除临时工作区：整个 输出目录/_mineru/（含解析产物、_imgmap_*.txt、_contactsheet_*.png、_inspect_*.png）——仅供解析/选图，不入库。已 collect 进 assets/ 的图会保留。
6. 汇报最终总结（章节数、图片总数、已配图笔记数 / 总笔记数、若有零图笔记说明原因、输出位置）。

Obsidian 格式规范（写入 .md 的内容要求）

• YAML Frontmatter：title、tags、source、date，可加 course。
• 图片嵌入（重点，易漏）：在核心概念/公式处精准插入 ![中文图说](./assets/对应图名.png)，每张配一句要点。选哪些见「图片甄别准则」；每篇落盘后必做自检，确保非零图。
• 自绘代码图（强制考虑，非可选）：见「图片甄别准则 5」。每章落盘前自问"最难的概念能看图理解吗"，对流水线时空图、状态对比、算例竖式、结构布局等用表格/代码块/ASCII/LaTeX 画出来。
• 📝 题目必带原题（强制，最易偷懒）：笔记里任何出现的题目——讲知识点用的例题、课堂练习、章末习题、自测题，无论来源——都必须先完整给出原题题面，再给解答。
  • 原题要素一个不漏：题干文字、全部已知条件/数据、选项（选择题）、涉及的图/表/公式；课件里题目自带的图就按「图片甄别准则」把那张题图也嵌进来。题目较长就用 > [!example] 例题 / > [!question] 练习 callout 原样抄录，解答紧随其后（可用 > [!success] 解答 或折叠块）。
  • ⛔ 严禁三种偷懒写法：① 只写答案/结论不写题（如直接给"答案：1 2 4 8 9 5 10 11"却不给题）；② 只用一句话概括题意而不抄题面（"一道关于 BFS 的题"）；③ 把题目细节删成"略"。读者不翻原课件就应能独立看懂并重做这道题——这是硬标准。
  • 自测题同理：章末「自测题」每道也要是可独立作答的完整题目，而非泛泛的复习提示。
• ⚠️ Callout 内的表格/代码块必须前置一个空 > 行（Obsidian 硬规则，最易踩坑）：紧跟在文字行后的表格不会渲染、显示为原始管道符。正确写法：

  > [!note] 标题
  > 说明文字……
  >                ← 这一空 > 行不可省
  > | 列1 | 列2 |
  > |---|---|
  

  （callout 外的普通表格无此要求。）收尾会用脚本统一校验修复。
• 排版增强：
  • 逻辑清晰的多级标题（#）。
  • 大量使用 Callout：> [!note] > [!important] > [!warning] > [!example] > [!summary] > [!question] 等。
  • 双链（[[...]]）只指向真实存在的目标，否则即死链——Obsidian 图谱里成空节点，误点还会在根目录生成空笔记。两种合法写法：① 章节互链 [[其它章节笔记]]（名字须与真实 .md 完全一致，注意别写错编号）；② 指向某章小节用锚点链 [[章节笔记#小节标题]]（# 后标题须与目标里的标题逐字一致）。
  • ⛔ 绝不给「概念名词」加裸双链（如 [[贝叶斯定理]]、[[欧拉角]]、[[指令系统]]、[[MCMC]]）——它们通常没有对应 .md，是死链与图谱空节点的头号来源。概念名词一律用加粗或普通文本；仅当该概念确有独立笔记时才链它。
  • ⛔ 不为单个概念单开一篇 .md：本类库按课件章节组织，概念应留在所属章节的小节里，需被引用时用 [[章节笔记#小节标题]]，而非新建概念页（实测既与章节内容重复、又是结构异类）。
  • 每章末尾可留「相关章节」行，仅链真实存在的兄弟章节笔记。
  • 每章末尾附「本章小结」+「自测题」。
• 公式：LaTeX（$...$ / $$...$$）。
• 语言：全中文；核心术语首次出现附英文，如 数据通路（Datapath）。

脚本参数速查（scripts/mineru.py）

命令	作用
--list DIR	列出目录下所有可解析课件
parse FILES... --out DIR --token T	提交→轮询→下载→解压→生成选图三件套（建议 run_in_background）
parse ... --model vlm|pipeline	模型版本，默认 vlm
parse ... --page-ranges "1-200"	页码范围；文件 >200 页时必填，分段多次解析
parse ... --language ch	文档语言，默认 ch
parse ... --timeout 1800	轮询超时秒数
fetch BATCH_ID --out DIR --token T	凭 batch_id 断点续取（parse 超时后用）
imgmap --doc DOC	（重）生成图片索引
contact --doc DOC	（重）生成接触表
inspect "p8_1,p33_1" --doc DOC	放大核验若干候选图，Read 一张同时核验多张
collect --doc DOC --pick "p5_1,p9_1" --assets DIR	把选中图拷入 assets 并重命名，打印可直接用的引用

Token 经 --token 或环境变量 MINERU_TOKEN 传入，脚本零硬编码。DOC 指 输出目录/_mineru/<课件名>。

选图三件套（parse 后自动生成前两件）：

• 图片索引 _imgmap_<课件名>.txt：一行一图（页码/友好键/文件/尺寸/体积KB/标记/caption）。先 Read 它圈定候选；体积 <4KB 的碎片/装饰已自动标 ⚠。
• 接触表 _contactsheet_<课件名>.png：4 列缩略图总览，做视觉初筛。
• 核验拼图 _inspect_<课件名>.png（按需 inspect 生成）：把一小撮候选放大拼到一张，Read 一张同时核验多张，避免批量 Read 原图触发尺寸上限。

迁移说明

本 skill 自包含、零硬编码：将整个 pdf-courseware-to-obsidian/ 拷到任意项目的 .claude/skills/ 或用户级 ~/.claude/skills/ 即可。脚本依赖 requests + PyMuPDF；Token 与所有路径/阈值均经命令行或环境变量传入。scripts/extract.py（PyMuPDF 本地提取）保留为无网络时的离线兜底；scripts/check_links.py 是收尾的链接完整性校验器（死链 / 失效锚点 / 破图），零依赖、可对任意 Obsidian 库单独运行。