Claude Code、Cursor、Windsurf 這些 Code Agent 用起來很爽，但都有個共同的短板：沒法直接讀 PDF 和截圖。你讓它讀一份產(chǎn)品文檔，它會告訴你"無法讀取"，開發(fā)流程就斷在這里了。

解決辦法是裝一個 MinerU 的 Skill，一行命令：

npx skills add tanis90/pdf-converter-mineru

裝完之后 Code Agent 就能直接解析 PDF 了。下面說說原理和實際用起來的效果。

為什么用 Skill 而不是自己搭 MCP Server

"文檔閱讀"是個無狀態(tài)需求，用 Skill 比自己配解析服務(wù)器輕量得多：

一行命令裝好，不用 Docker，不用配環(huán)境變量，沒有后臺進(jìn)程。

基于 OpenClaw 開放標(biāo)準(zhǔn)，Claude Code、Cursor、Windsurf 都能用。

免費，不需要 API Key。內(nèi)置智能判斷，會根據(jù)文檔大小自動選解析策略。

實際對比過：沒裝之前要手動打開 PDF、截取內(nèi)容、粘貼到終端，還經(jīng)常格式錯亂。裝了之后直接對話就行。

實際用起來什么樣

場景 1：解析 API 文檔寫代碼

很多老的內(nèi)部接口文檔只有 PDF 格式。直接跟 Agent 說：

"幫我讀一下這篇 api_spec.pdf，重點看認(rèn)證授權(quán)章節(jié)，然后用 Python 寫一個支持重試機(jī)制的 client。"

Agent 會自動調(diào) MinerU Skill 把 PDF 轉(zhuǎn)成 Markdown（用 flash-extract），然后從里面提取認(rèn)證參數(shù)寫代碼。

場景 2：帶復(fù)雜表格和公式的論文

復(fù)現(xiàn)論文時最怕表格數(shù)據(jù)對不齊、公式變亂碼：

"解析這篇 attention.pdf，把第四章的對比表格提取出來作為代碼測試的 mocked data。"

雙欄排版的頂會論文也能還原成 Markdown，AI 可以正常讀取。

MinerU 是什么

這個 Skill 背后是上海人工智能實驗室開源的文檔解析引擎 MinerU，GitHub 56.9K+ Stars，OmniDocBench 綜合評測第一。

和 PyPDF2 這類簡單提取庫不同，MinerU 有兩套引擎（Pipeline + 基于 InternVL 的視覺多模態(tài)模型），在公式（CDM 97.29）、嵌套表格（TEDS-S 94.48%）、圖文混排上的表現(xiàn)都不錯。轉(zhuǎn)出來的 Markdown 很適合喂給 LLM 和 RAG 系統(tǒng)。