核心功能
本Skill封装了ComPDFKitConversion Python SDK，提供本地PDF/图像到多种格式的智能转换能力。核心特性包括AI布局分析、OCR文字识别、10种输出格式支持（Word/Excel/PPT/HTML/RTF/图像/TXT/JSON/Markdown/CSV），以及图像源自动启用OCR的智能默认配置。
显著优点
- 格式覆盖全面：单一接口支持10种输出格式，满足文档数字化全场景需求
- AI驱动精准转换：默认启用AI布局分析（
--enable-ai-layout），更好保留原始文档结构和排版 - OCR能力强大：支持15种语言识别，图像输入自动触发OCR，无需手动配置
- 智能参数适配：根据输入源和输出格式自动调整关键参数（如HTML自动使用box布局）
- Agent Skills原生兼容：支持Claude Code等环境直接调用，路径变量规范统一
潜在局限
- 授权模式限制：试用License仅限200次转换，超出需购买商业授权
- 模型体积较大：AI模型约525MB，首次使用需下载等待
- 平台绑定：当前仅支持Windows/macOS，Linux兼容性未验证
- 网络依赖：License文件和AI模型需联网下载，离线环境需手动部署
适合人群
- 需要批量处理PDF文档的数据工程师
- 构建RAG/LLM工作流的内容处理开发者
- 企业文档数字化项目的实施团队
- 需要将扫描件/图像转为可编辑格式的办公用户
常规风险
| 风险类型 | 说明 | 规避建议 |
|---------|------|---------|
| 授权过期 | 试用License达200次后服务中断 | 提前采购正式License并替换license.xml |
| 网络失败 | 模型/License下载失败导致初始化异常 | 离线环境预置文件到scripts目录 |
| OCR质量 | 复杂版式或低质量扫描件识别不准 | 调整`--ocr-option`和`--ocr-language`参数 |
| 内存占用 | 大文件+AI模型可能导致资源紧张 | 分批次处理或禁用AI布局分析 |