DeepTutor PDF 技能

这个 Skill 能做什么，适合哪些场景？

这是 DeepTutor 内置的办公技能之一，让模型在代码执行沙箱里直接处理 PDF 文件。它按任务挑选预装的 Python 库：pdfplumber 做布局感知的文本和表格提取，pypdf 做合并、拆分、旋转、水印、加密和表单填写，reportlab 从零生成新 PDF，PyMuPDF 把页面渲染成图片。技能对扫描件的态度很诚实：沙箱没有 OCR 引擎且无网络，遇到纯图片 PDF 会明确告知无法恢复文字，而不是编造内容。对中文等非拉丁文字，它内置了 CJK 字体注册流程，避免输出永久性的方框乱码。

• 用 pdfplumber 提取带布局的文本、表格及单词坐标，可将表格导出为 Excel 多工作表
• 用 pypdf 合并、按页拆分、旋转、裁剪页面，读取/写入元数据，加密与解密
• 用 pypdf 识别并填写 AcroForm 可填表单，或对平面表单用 FreeText 注释叠加文字
• 用 reportlab 从零创建报告式 PDF（自动分页）或 canvas 固定坐标排版
• 用 PyMuPDF（fitz）将页面栅格化为 PNG，供视觉检查或交给图像模型
• 检测扫描件并如实告知无法 OCR，失败时诊断 stderr 并换策略而非盲目重试

如何安装这个 Skill？

该技能是 DeepTutor 仓库内置的办公技能（docx/pdf/pptx/xlsx 之一），随主程序一起安装，无需单独下载。DeepTutor（PyPI）完整本地安装：

mkdir -p my-deeptutor && cd my-deeptutor
pip install -U deeptutor
deeptutor init
deeptutor start

DeepTutor（Docker）单容器部署，技能在容器内沙箱可用：

docker run --rm --name deeptutor \
  -p 127.0.0.1:3782:3782 \
  -v deeptutor-data:/app/data \
  ghcr.io/hkuds/deeptutor:latest

源码中技能文件位于 deeptutor/skills/builtin/pdf/SKILL.md；仓库未提供将其单独安装到 Claude Code 或 Codex 的文档。

如何使用这个 Skill？

技能由模型自动触发：当用户上传 .pdf 或要求生成、编辑、提取 PDF 数据时即被调用。执行流程是在沙箱中用 exec 运行完整的 Python 脚本（pdfplumber / pypdf / reportlab / fitz 已预装），优先在一次调用中创建、重开并校验产物，后续调用可修改同一文件。要点：明确要求的数量（如 500 字）会被保留并在输出前验证；执行失败时会诊断 stderr 并改变策略；遇到 (cid:NN) 之类的乱码输出即判定为扫描件并如实停止。沙箱子进程执行由 system. 中 sandbox_allow_subprocess 控制（默认开启）。

这个 Skill 有哪些优点和局限？

这个 Skill 与同类方案有什么区别？

与相关 Skills 并排比较；分数均按同一 FSRS 标准得出。

常见问题