LLM读PDF总乱码？这个开源Skill让大模型精准理解文档结构

做 AI 应用开发，你一定遇到过这个问题：丢给大模型一份 PDF，它要么乱码、要么把表格读成一坨乱文字、图表信息全部丢失。

最近发现一个开源 Skill，精准解决这个问题——PDF2md-by-MinerU-api-skill。

它做了什么

这个 Skill 本身不处理 PDF，它是一个”智能中间层”：当你的 AI Agent（Claude Code、Cursor、Gemini CLI 等）需要读取用户上传的 PDF 时，自动调用 MinerU 官方 API，把 PDF 转成对机器友好的 Markdown。

关键效果：

• 保留表格结构，不是图片里的表格，是真正可检索的 Markdown 表格
• 自动抽取图片并本地保存
• 复杂排版（双栏、跨页、公式）都能还原
• 大幅减少 LLM 的 Token 消耗——直接喂 Markdown 比喂原始 PDF 便宜得多

技术细节

底层调用的是 MinerU（GitHub: opendatalab/MinerU），这是一套开源的 PDF 解析引擎，背后是 TextIn 的能力。

安装流程很直接：

• 注册 TextIn 拿 API Token（90天有效）
• pip install -r requirements.txt
• 配置 MINERU_API_TOKEN 环境变量
• 把 Skill 文件夹放到 Agent 能读到的路径

配合 Claude Code 使用时，只需要在对话里提”帮我读一下这个 PDF”，Agent 就会自动触发 Skill，完成解析。

适合谁

如果你有以下场景，这个 Skill 直接降维打击：

• 需要让 AI 分析论文、报告、合同
• 在 RAG 流程里处理非结构化文档
• Agent 需要提取 PDF 里的图表数据做进一步处理

Token 消耗降低是最实际的好处——同样一份 50 页 PDF，原始 PDF 可能吃掉 10 万 Token，用这个 Skill 转成 Markdown 后通常只要几千。

总结

PDF2md-by-MinerU-api-skill 是一个连接 AI Agent 和 PDF 文档的桥梁，解决的是”大模型读不好 PDF”这个高频痛点。开源免费，搭个 TextIn 账号就能跑。

GitHub: https://github.com/lilyuan258/PDF2md-by-MinerU-api-skill

GitHub: https://github.com/lilyuan258/PDF2md-by-MinerU-api-skill