PDF操作Skill：把繁琐的 PDF 合并、拆分、脱敏、转换交给 AI 命令行工作流
- 一句话定位：这是一个把 pdftk、qpdf、poppler-utils、ghostscript 等免费命令行工具"打包"成 AI 可调用能力的技能，覆盖合并、拆分、提取、涂黑、加密、水印、压缩、格式转换等常见 PDF 操作。
- 核心价值：不用买商业软件、不用逐页手工点鼠标，用自然语言描述需求，AI 自动选择合适工具并生成可复用脚本。
- 双层能力：既支持命令行一条命令搞定单次任务，也能通过 pdf-lib（Node.js）、PyPDF2/pypdf（Python）把操作嵌入自动化流水线。
- 适合人群：需要批量处理发票、合同、报表的运营/财务/法务人员，以及需要把 PDF 处理接入程序的开发者。
- 使用前提：本地需要安装对应命令行工具，技能详情中已给出 Ubuntu/Debian、macOS 的安装命令。
1. 该技能叫什么？如何一键安装 AI 技能提升开发效率？
技能基本信息
| 项目 | 内容 |
|---|---|
| 技能中文名 | PDF操作Skill |
| 技能英文名 | pdf-manipulation |
| 技能ID | 13113 |
| 技能定位 | 基于免费命令行工具的 PDF 文档自动化处理能力 |
它解决什么问题
PDF 是办公场景中最"顽固"的格式：合并多个文件要开商业软件、抽取几页要手动另存、涂黑敏感信息容易留下可还原的图层、几十份发票要一份份压缩归档……这些操作单看都不难，但重复次数一多就极其消耗时间，而且手工操作容易出错、难以追溯。
PDF操作Skill 的思路是：把这些操作沉淀为一套标准化的命令行指令与脚本模板，让 AI 在理解你的自然语言需求后，自动挑选手边的工具（合并拆分用 pdftk、修复与加密用 qpdf、提取文本图像用 pdftotext/pdfimages、压缩用 ghostscript）并给出可直接执行的命令。
一键安装的思路与步骤
- 确认运行环境：需要一个支持「技能/工具调用」能力的 AI 客户端或 Agent 框架。具体支持范围与入口以官方说明为准。
- 加载技能：在技能库或技能市场中搜索「PDF操作Skill」「pdf-manipulation」或技能ID 13113，找到后启用即可。具体的按钮位置、是否需要登录授权，以官方说明为准。
- 补齐本地依赖工具（这是技能真正能干活的關鍵），技能详情中给出的安装命令如下：
# Ubuntu/Debian
sudo apt-get install pdftk qpdf poppler-utils ghostscript
# macOS (Homebrew)
brew install pdftk-java qpdf poppler ghostscript
# Node.js 纯 JS 方案（无系统依赖）
npm i pdf-lib
# Python 方案
pip install PyPDF2 pypdf
- 验证是否生效：
- 命令行侧：执行
pdftk --version、qpdf --version、pdfinfo input.pdf，能正常输出版本或元数据即说明工具就绪。 - 技能侧：对 AI 说一句「把 a.pdf 和 b.pdf 合并成 merged.pdf」，如果它返回了基于 pdftk 或 qpdf 的可执行命令、并按结构化格式说明输出文件路径，就说明技能已经被正确调用。
- 命令行侧：执行
提示：技能本身不改变工具能力，它负责"知道该用哪个工具、怎么写命令"。因此依赖工具的安装是整个流程中最需要优先完成的一步。
2. 该技能的主要功能和特点
能做什么（功能清单）
- 合并 PDF：pdftk（保留书签与表单）、ghostscript（压缩效果更好）、qpdf（保留文档结构）三种路径可选。
- 拆分与页面提取：
pdftk input.pdf burst output page_%02d.pdf逐页拆分，pdftk input.pdf cat 1-5 10 output subset.pdf抽取指定页面。 - 文本提取：pdftotext 支持保留布局（默认）与
-raw原始文本，也可用-f/-l限定页码范围。 - 图像提取：pdfimages 可一次性导出全部图像，或仅导出 JPEG。
- 涂黑与删页：通过页面裁剪方式移除敏感页，得到干净的对外版本。
- 加密与解密：pdftk 设置用户密码，qpdf 支持 AES-256 高强度加密，也能反向移除密码。
- 页面旋转：支持 right（90°）、left（270°）、down（180°）。
- 压缩瘦身：ghostscript 提供 /screen、/ebook、/printer、/prepress 四档质量；qpdf 提供无损线性化压缩。
- 格式转换：pdftoppm 把每页转成 PNG/JPEG，可指定 DPI。
- 水印与元数据：stamp 前层水印、background 背景水印、multistamp 多页水印；
pdfinfo、pdftk dump_data读取元数据。
和普通工具比强在哪
- 零授权成本：全部基于免费开源命令行工具，没有订阅费、没有页数限制。
- 可脚本化、可批量：技能详情直接给出了 for 循环批量拆分、批量提取文本的写法，一次写好即可长期复用。
- AI 自动选型：用户不必记住"哪个工具保留书签、哪个压缩更好"，技能内置了工具与任务的对应关系。
- 双语言生态：除命令行外，还提供 pdf-lib（Node.js）与 PyPDF2/pypdf（Python）方案，便于嵌入后端服务。
- 安全意识内建：明确要求"处理前先移除密码"“切勿记录密码”，并建议用
qpdf --check先验证文件完整性。 - 结构化输出：技能提示中约定以 JSON 形式返回文件路径、元数据与文本，方便下游程序继续处理。
3. 如何使用该技能？
步骤一：准备输入文件并做健康检查
qpdf --check input.pdf
若文件损坏，可用 qpdf input.pdf --replace-input 尝试修复；若文件加密，先用 qpdf --decrypt --password=PASS input.pdf output.pdf 解密再处理。
步骤二：用自然语言描述需求
例如对 AI 说：
「把 report-01.pdf、report-02.pdf、report-03.pdf 合并成一个文件，保留书签，然后压缩到适合邮件发送的大小。」
AI 会据此生成类似下面的命令：
pdftk report-01.pdf report-02.pdf report-03.pdf cat output merged.pdf
gs -sDEVICE=pdfwrite -dCompatibilityLevel=1.4 -dPDFSETTINGS=/ebook \
-dNOPAUSE -dQUIET -dBATCH -sOutputFile=merged_compressed.pdf merged.pdf
步骤三：在对话中执行或把命令复制到终端
若 AI 具备执行能力，可直接运行；若不具备，复制命令到本地终端执行即可。
步骤四：处理结果并校验
pdfinfo merged_compressed.pdf # 查看页数、大小等元数据
pdftotext -f 1 -l 1 merged_compressed.pdf - # 抽查首页文本是否完整
典型输入输出示例
| 需求描述 | 技能给出的核心命令 | 预期输出 |
|---|---|---|
| 提取第 1-5 页和第 10 页 | pdftk input.pdf cat 1-5 10 output subset.pdf |
subset.pdf |
| 把每页拆成单独文件 | pdftk input.pdf burst output page_%02d.pdf |
page_01.pdf、page_02.pdf… |
| 首页转成 300DPI PNG | pdftoppm -png -r 300 input.pdf output_prefix |
output_prefix-1.png… |
| 加密码保护 | pdftk input.pdf output secured.pdf user_pw mypassword |
secured.pdf |
| 提取全部文本 | pdftotext -layout input.pdf output.txt |
output.txt |
步骤五：需要集成时改用脚本
技能提供了 PDFHelper 类模板（merge / split / info 三个静态方法），可直接 require 后接入 Node.js 服务，实现"上传即处理"的自动化。
4. 同类型竞品对比分析
| 方案名称 | 定位 | 核心功能 | 安装/使用门槛 | 适用场景 | 优势与不足 |
|---|---|---|---|---|---|
| PDF操作Skill（pdf-manipulation） | AI 可调用的命令行 PDF 处理能力 | 合并、拆分、提取、涂黑、加密、水印、压缩、转图 | 需安装 pdftk/qpdf/poppler/ghostscript，AI 端需加载技能 | 批量处理、自动化流水线、开发者集成 | 优势：免费开源、可脚本化、AI 自动选型；不足：需命令行环境，纯图形界面用户有学习成本 |
| Adobe Acrobat 类商业软件 | 桌面端 PDF 全能编辑器 | 编辑、合并、签名、OCR、表单 | 安装客户端并订阅，学习成本低 | 单份文档精细编辑、企业签名流程 | 优势：图形化直观、功能全面；不足：需付费、批量自动化能力弱、难以嵌入代码 |
| 在线 PDF 处理网站 | 浏览器即用的轻量工具 | 合并、压缩、格式转换 | 打开网页上传即可 | 临时处理少量文件 | 优势：零安装；不足：涉及敏感文档时有隐私风险、大文件与批量操作受限、依赖网络 |
| 自写 Python/Node 脚本（PyPDF2、pdf-lib） | 纯代码方案 | 合并、拆分、加密等基础操作 | 需具备编程能力 | 已具备开发能力的团队 | 优势：完全可控、可深度定制；不足：每个需求都要自己写代码、缺少工具选型经验沉淀 |
| 自托管 PDF 处理服务 | 内网部署的开源文档平台 | 合并、转换、OCR、页面编辑 | 需服务器与运维 | 对数据合规要求高的团队 | 优势：数据不出内网；不足：部署维护成本高，自动化调用仍需额外开发 |
选型建议：一次性、少量、无隐私顾虑的文件，在线工具最省事；需要精修排版与表单，商业软件更稳；而"重复性高、数量大、要接入流程"的场景，正是 PDF操作Skill 的主场。
5. 该技能的典型应用场景与实际体验情况
场景一：财务/行政批量处理发票
痛点：每月几十上百份发票 PDF，需要提取文本录入台账、只留首页归档、再压缩存放。
使用方式：用 for 循环批量 pdftotext 抽文本，pdftk invoice.pdf cat 1 output summary.pdf 抽首页，最后统一用 /ebook 档压缩。技能详情中"发票处理"工作流已经给出完整三步。
体验情况：上手难度低，命令可以一次写好反复使用；需要注意的是扫描件 PDF 抽不出可读文本（因为没有文字层），这时应改用转图 + OCR 的思路。
场景二：法务/HR 对外文档脱敏
痛点：合同中包含身份证号、报价等敏感页，人工删除容易留下元数据或痕迹。
使用方式：用 pdftk input.pdf cat 1 5-end output redacted.pdf 移除敏感页范围，再核对 pdfinfo 的页数与元数据，必要时补充清除文档属性。
体验情况：效率提升明显，但要提醒一点——"删页"和"涂黑"是两种效果，若同一页上只有部分内容敏感，删除整页并不合适，需要用覆盖式水印或专业涂黑工具处理，建议对外发布前务必人工复核。
场景三：开发者把 PDF 处理接进后端
痛点：业务系统需要"上传多个 PDF → 合并 → 加密 → 返回下载链接"，每次都要重新查语法。
使用方式：直接复用技能提供的 pdf-lib 示例与 PDFHelper 类，改为异步接口调用。
体验情况：因为技能已给出可移植的纯 JS 方案（无系统依赖），在容器环境部署比装一堆命令行工具更省心；注意大文件（100 页以上）应分块处理或使用流式 API。
场景四：运营把 PDF 素材转成图片做社媒分发
痛点：白皮书、活动手册需要转成图片发到内容平台，手动截图清晰度参差。
使用方式：pdftoppm -png -r 300 input.pdf output_prefix 一次性输出全部页面高清 PNG。
体验情况：几乎是"一句话解决"的体验，输出命名规整便于批量上传；建议先用单页试跑确认 DPI 与体积的平衡，300 DPI 图片会比较大。
整体体验小结：技能的价值不在于发明新算法，而在于把"该用哪个工具、参数怎么写、先后顺序如何"这些经验固化成 AI 可复用的知识，让不熟悉命令行的用户也能拿到正确的命令。
6. 该技能能为用户带来的价值
- 效率提升：原本需要"打开软件—导入—点选—另存"循环 N 次的操作，被压缩为一条可复用的命令或一段循环脚本，文件越多，收益越明显。
- 门槛降低：用户不需要记住 pdftk 的
cat output、ghostscript 的-dPDFSETTINGS、qpdf 的--encrypt语法，用自然语言描述需求即可获得正确指令。 - 成本节约：整套方案基于免费开源工具，避免了商业 PDF 软件的订阅支出。
- 质量与安全：技能内建"先
qpdf --check验证、不记录密码、优先保留元数据"等最佳实践，减少因操作不规范导致的文件损坏或信息泄露。 - 可沉淀的长期资产：生成的命令与脚本可直接沉淀为团队的标准作业流程，后续接入定时任务、批处理系统都没有额外改造成本。
7. 常见问题 FAQ
Q1：这个技能怎么安装？我需要会写代码吗？
不需要会写代码。技能本身在 AI 客户端的技能库中搜索「PDF操作Skill」或「pdf-manipulation」启用即可（具体入口以官方说明为准）；本地则需要按技能给出的命令安装 pdftk、qpdf、poppler-utils、ghostscript 等工具。装完后用 pdftk --version 验证一下即可开始使用。
Q2：使用这个技能收费吗？
技能所依赖的 pdftk、qpdf、poppler-utils、ghostscript 以及 pdf-lib、PyPDF2/pypdf 均为开源工具，本身不涉及授权费用。技能本身的获取方式与是否收费，请以官方说明为准。
Q3：它适合谁用？完全不懂命令行的办公人员能用吗？
最适合三类人：需要批量处理文档的运营/财务/法务人员、需要把 PDF 处理接入程序的开发者、以及经常处理扫描件与报表的分析人员。完全不懂命令行也可以使用——你只需要用中文说清需求，AI 会给出命令；但若 AI 客户端不具备执行能力，仍需把命令粘贴到终端运行，这一步有一定学习成本。
Q4：加密 PDF 打不开、或者文件报错损坏怎么办？
先用 qpdf --check input.pdf 检查完整性，损坏的可用 qpdf input.pdf --replace-input 修复；加密文件用 qpdf --decrypt --password=你的密码 input.pdf output.pdf 解密后再处理。技能明确要求处理前先移除密码，并且不要把密码记录在日志或脚本里。
Q5：和在线 PDF 网站、商业 PDF 软件相比该怎么选？
临时处理一两份不敏感的文件，在线网站最省事；需要精细排版编辑、电子签名，商业软件更合适；而当你面临"几十上百份文件、流程固定、还要重复做"的情况，或者需要把处理能力嵌进系统，PDF操作Skill 的批量与自动化优势才会真正体现出来。