STM32F103/.opencode/skills/pdf-analyzer/SKILL.md

name, description, license, compatibility, metadata

name	description	license	compatibility	metadata
pdf-analyzer	使用 MinerU API 读取并分析 PDF 文件，支持文件解析、表格/公式提取、OCR 识别、异步任务管理	MIT	opencode	server http://192.168.31.138:8312

概述

通过 MinerU API (http://192.168.31.138:8312) 分析 PDF/图片/DOCX/PPTX/XLSX 文件。

API 端点

1. 同步解析 POST /file_parse

上传文件并等待解析完成，直接返回结果。

curl -X POST "http://192.168.31.138:8312/file_parse" \
  -F "files=@/path/to/document.pdf" \
  -F "lang_list=ch" \
  -F "backend=hybrid-auto-engine" \
  -F "parse_method=auto" \
  -F "formula_enable=true" \
  -F "table_enable=true" \
  -F "image_analysis=true" \
  -F "return_md=true"

2. 异步提交 POST /tasks

提交解析任务，立即返回 task_id。

curl -X POST "http://192.168.31.138:8312/tasks" \
  -F "files=@/path/to/document.pdf" \
  -F "lang_list=ch" \
  -F "backend=hybrid-auto-engine" \
  -F "return_md=true"

3. 查询任务状态 GET /tasks/{task_id}

curl "http://192.168.31.138:8312/tasks/{task_id}"

返回状态: pending, running, completed, failed

4. 获取任务结果 GET /tasks/{task_id}/result

curl "http://192.168.31.138:8312/tasks/{task_id}/result"

5. 健康检查 GET /health

curl "http://192.168.31.138:8312/health"

参数说明

参数	类型	默认值	说明
files	array	必填	上传 PDF/图片/DOCX/PPTX/XLSX 文件
lang_list	array	["ch"]	OCR 语言: ch, en, korean, japan, arabic, latin, cyrillic, devanagari 等
backend	string	hybrid-auto-engine	解析后端: pipeline, vlm-auto-engine, vlm-http-client, hybrid-auto-engine, hybrid-http-client
parse_method	string	auto	解析方法: auto, txt, ocr（仅 pipeline/hybrid）
formula_enable	bool	true	是否解析公式
table_enable	bool	true	是否解析表格
image_analysis	bool	true	是否分析图片/图表（VLM/hybrid 后端）
server_url	string	null	OpenAI 兼容服务器 URL（仅 http-client 后端）
return_md	bool	true	返回 Markdown 内容
return_middle_json	bool	false	返回中间 JSON
return_model_output	bool	false	返回模型输出 JSON
return_content_list	bool	false	返回内容列表 JSON
return_images	bool	false	返回提取的图片
response_format_zip	bool	false	返回 ZIP 格式结果
return_original_file	bool	false	ZIP 中包含原始文件
client_side_output_generation	bool	false	客户端生成最终输出
start_page_id	int	0	开始页码（从 0 开始）
end_page_id	int	99999	结束页码（从 0 开始）

Python 使用示例

import requests

API_BASE = "http://192.168.31.138:8312"

# 同步解析
with open("document.pdf", "rb") as f:
    resp = requests.post(f"{API_BASE}/file_parse", files=[
        ("files", ("document.pdf", f, "application/pdf"))
    ], data={
        "lang_list": ["ch", "en"],
        "backend": "hybrid-auto-engine",
        "formula_enable": True,
        "table_enable": True,
        "return_md": True,
        "return_content_list": True
    })
    result = resp.json()
    print(result.get("md", ""))  # Markdown 内容

# 异步解析
with open("document.pdf", "rb") as f:
    resp = requests.post(f"{API_BASE}/tasks", files=[
        ("files", ("document.pdf", f, "application/pdf"))
    ], data={"return_md": True})
    task_id = resp.json()["task_id"]

import time
while True:
    status = requests.get(f"{API_BASE}/tasks/{task_id}").json()
    if status["status"] in ("completed", "failed"):
        break
    time.sleep(2)

result = requests.get(f"{API_BASE}/tasks/{task_id}/result").json()

使用场景

1. PDF 转 Markdown — 提取 PDF 内容为结构化 Markdown
2. 表格提取 — 从 PDF 中识别并提取表格数据
3. 公式提取 — 提取数学公式（LaTeX 格式）
4. 图片分析 — 识别并分析 PDF 中的图片/图表
5. OCR 识别 — 扫描件/图片型 PDF 的文字识别
6. 多语言文档 — 支持中文、英文、日文、韩文、阿拉伯语等多种语言
7. 分页解析 — 通过 start_page_id / end_page_id 指定页码范围