pdf-processing

介绍了一个将书籍或文档包转换为AI Agent可调用Skill的工具book-to-skill，支持PDF等格式，生成SKILL.md和章节索引，避免一次性加载全部上下文。

一项对比测试，将具备视觉能力的LLM（原生PDF阅读模式）与基于OCR的流程在30份长且图片密集的PDF上进行比较，发现带有布局提取的OCR在图表/表格密集的页面上仍优于视觉模型，且失败率为0%，而原生PDF为7%，尽管样本量较小且许多差距在噪声范围内。

Synthadoc 是一个开源工具，可将 PDF、文档等项目资料编译为结构化的本地 Markdown wiki，自动建立交叉引用并检测矛盾，适合个人或小团队进行离线知识管理。

book-to-skill 将技术书籍转换为适用于 Claude Code 的结构化技能，支持按需参考并消除幻觉。

olmOCR 是一个开源工具包，使用微调的视觉语言模型从PDF中提取干净的文本，同时保留结构，并针对大规模批处理进行了优化。

MinerU 是 OpenDataLab 开发的一款开源工具，用于从 PDF 和文档中提取数据。