我如何让 AI 自动解析 15MB 扫描版 PDF 的？一个 OpenClaw Skill 的诞生

❌ 无法复制文字
❌ 无法搜索内容
❌ 无法提取信息

from markitdown import MarkItDown

md = MarkItDown()
result = md.convert("安全评估报告.pdf")
print(result.text_content)

import pdfplumber

with pdfplumber.open("安全评估报告.pdf") as pdf:
    page = pdf.pages[0]
    text = page.extract_text()
    print(text)

from markitdown import MarkItDown

md = MarkItDown(enable_plugins=True)
result = md.convert("安全评估报告.pdf")

## Page 1
Page 2
Page 3
...

扫描版 PDF
    ↓
转换为图片（智能压缩）
    ↓
LLM Vision 逐页识别
    ↓
整理为 Markdown

import fitz  # PyMuPDF

doc = fitz.open(pdf_path)
for i, page in enumerate(doc):
    mat = fitz.Matrix(scale, scale)
    pix = page.get_pixmap(matrix=mat)
    pix.save(f"page_{i+1}.png")

def smart_render_pdf(pdf_path):
    pdf_size_mb = get_file_size(pdf_path)
    total_pages = len(doc)
    
    if pdf_size_mb > 15 or total_pages > 15:
        scale = 1.0  # 低分辨率
    elif pdf_size_mb > 8 or total_pages > 8:
        scale = 1.2  # 中等分辨率
    else:
        scale = 1.5  # 高分辨率
    
    # 渲染图片...

def analyze_image(image_path, prompt):
    # 方案 1: openclaw.tools.image (优先)
    try:
        from openclaw.tools import image
        result = image.analyze(image_path=image_path, prompt=prompt)
        return result.description
    except:
        pass
    
    # 方案 2: sessions_spawn 子 Agent
    try:
        from openclaw.sessions import spawn
        result = spawn(task=prompt, attachments=[...])
        return str(result)
    except:
        pass
    
    # 方案 3: OpenClaw Gateway API
    try:
        response = requests.post(gateway_url + "/api/v1/chat/completions", ...)
        return response.json()['choices'][0]['message']['content']
    except:
        pass
    
    # 所有方案失败
    return "[图片待解析]"

markdown = f"# {pdf_name}\n\n"
for i, text in enumerate(page_texts, 1):
    markdown += f"\n## 第{i}页\n\n{text}\n\n---\n\n"

用户上传 PDF → 说"/pdf-to-md"

我：📄 开始转换...

[1/5] 检测 PDF 类型...
  类型：扫描版

[2/5] 转换为图片...
  ✅ 生成 10 张图片 (平均 1.3MB)

[3/5] LLM 分析...
  ✅ 完成 10 页分析

[4/5] 整理 Markdown...
  ✅ 生成 8500 字符

[5/5] 保存文件...
✅ 已保存

✅ PDF 转换完成！

用户上传文件："帮我转换这个 PDF"
用户上传文件："这个 PDF 是扫描版，能识别吗？"
用户上传 PPT："解析这个 PPT 里的流程图"

工具：我会这些功能
用户：请学习如何使用我

用户：我想做这件事
Agent：我来帮你完成

def detect_pdf_type(pdf_path):
    """检测 PDF 类型（文字版 or 扫描版）"""
    doc = fitz.open(pdf_path)
    text = doc[0].get_text()
    images = doc[0].get_images()
    
    if len(text) < 100 and len(images) > 0:
        return "scanned"
    else:
        return "text"

def smart_render_pdf(pdf_path, scale):
    """智能渲染 PDF 为图片"""
    doc = fitz.open(pdf_path)
    mat = fitz.Matrix(scale, scale)
    
    for i, page in enumerate(doc):
        pix = page.get_pixmap(matrix=mat)
        pix.save(f"page_{i+1}.png")

def analyze_image_with_openclaw(image_path, prompt):
    """三层回退 LLM 调用"""
    # 方案 1: openclaw.tools
    # 方案 2: sessions_spawn
    # 方案 3: Gateway API
    # 失败：返回占位符

def convert_pdf(pdf_path):
    # 1. 检测类型
    pdf_type = detect_pdf_type(pdf_path)
    
    # 2. 选择转换方式
    if pdf_type == "text":
        result = markitdown_convert(pdf_path)
    else:
        # 扫描版 OCR 流程
        images = smart_render_pdf(pdf_path)
        texts = batch_analyze_pages(images)
        result = combine_to_markdown(texts)
    
    # 3. 保存
    save_markdown(result)