把 100 页 PDF 读成一份能用的笔记

这篇适合谁 / 不适合谁

适合：

• 50 页以上的报告、论文、合同、招股书、招标文件
• 你有明确问题（"违约责任怎么约定的"、"样本量多少"），不是想让 AI 随便聊聊
• 需要把结论交付给别人，所以要能追溯到页码

不适合：

• 纯扫描件且没有 OCR：抽出来是空文本，先做 OCR 再说
• 强依赖排版的信息（比如表格跨页、公式、手写批注）：抽取会丢结构
• 页数少于 10 页：直接整篇丢进去问就行，不用这套流程

开始前准备什么

1. PDF 文件放到一个干净的工作目录。
2. 想好 3 到 5 个具体问题。问题越具体，抽取和定位越省事。
3. 确认是不是扫描件：用阅读器试着选中一段文字，选不中就是扫描件。

操作步骤

1. 装 skill

源码见 anthropics/skills · skills/pdf，规范见 agentskills.io：

git clone --depth 1 --filter=blob:none --sparse https://github.com/anthropics/skills
cd skills && git sparse-checkout set skills/pdf

把 skills/pdf/ 复制到你的客户端技能目录（~/.claude/skills/、~/.codebuddy/skills/、~/.trae/skills/ 等，见本站「支持的客户端」）。

2. 先摸清楚这份 PDF 的结构

不要一上来就问内容，先让它报告结构：

分析 report.pdf：
1. 总页数、是否有目录、是否有可抽取的文字层（还是扫描件）
2. 列出所有一级章节及起始页码
3. 标出含表格的页码范围
只报告结构，不要总结内容。

这一步的输出决定了后面怎么切。如果它说"无可抽取文字层"，先去 OCR，否则后面全是幻觉。

3. 按问题定位，而不是全文通读

我只关心三个问题，请只在相关页码范围内检索：
1. 违约责任怎么约定的？（重点看"违约""赔偿"出现的页）
2. 交付时间节点是什么？
3. 有没有排他条款？

要求：每条结论后面标注 (p.XX)；找不到就写"未提及"，不要推测。

关键是最后那句"找不到就写未提及"。不加这句，模型会给你编一段很顺的话。

4. 让它出一份带页码的笔记

把上面三条的答案整理成一份 Markdown 笔记，结构：
- 一句话结论（3 行以内）
- 分点细节，每点后面标注 (p.XX)
- 存疑清单：那些你不确定或文档里没写清的地方

5. 交叉验证关键数字

对会影响决策的数字（金额、日期、比例），回到原文核一遍页码。这一步花 3 分钟，能挡掉最贵的一类错误。

需要交付成正式文档时，让 docx skill 把这份笔记转成 .docx。

会踩的坑

FAQ

100 页的 PDF 一次能读完吗？

多数情况下不行，也没必要。按问题定位比全文通读更准，还省 token。

扫描件怎么办？

先用 OCR 工具（系统自带的"图像文本识别"或在线 OCR）转成带文字层的 PDF，再回来走流程。

能处理中文 PDF 吗？

可以。抽取质量取决于 PDF 里是否嵌了正确的文字编码，少数用特殊字体生成的 PDF 会抽出乱码，这时换 OCR 路线。

怎么让它对比两份 PDF？

分别抽取两份的结构与答案，再让它做差异对比。不要直接把两份 100 页 PDF 一起丢进去。

结论能直接引用到报告里吗？

建议只引用带页码的部分，并在定稿前人工核一遍。AI 的总结适合做索引，不适合做最终出处。