@cp/pdf

PDF 解析 Clip — 从 URL 下载并解析 PDF，输出结构化 Markdown。

三种模式

模式	说明	调 LLM	速度	适用场景
text	纯文本提取	否	~0.2s	Agent 消费、纯文本 PDF
markdown	文本 + LLM 排版	文本	~30s	人类阅读、无图 PDF
vision	多轮 Vision 精提取	图片	~2min	有图表/公式/扫描件

使用

# 默认 markdown 模式
bun run index.ts parse --url https://example.com/doc.pdf

# 快速文本提取
bun run index.ts parse --url https://example.com/doc.pdf --mode text

# 视觉精提取（有图表时）
bun run index.ts parse --url https://example.com/doc.pdf --mode vision

# 带背景信息提升排版质量
bun run index.ts parse --url https://example.com/doc.pdf --context "这是一份 API 设计文档"

特性

• 内容检测 — 自动识别含图片/图表的页，在 hints.recommendation 中建议模式
• 缓存 — 相同 URL 不重复下载，首次后秒级响应
• 零系统依赖 — 纯 npm 包（pdfjs-dist + @napi-rs/canvas），无需 poppler 等

安装

bun install

作为 Pinix Clip

# 注册到本地 Hub
pinix hub add @cp/pdf

# 通过 Hub 调用
pinix pdf-xxxx parse --url https://example.com/doc.pdf

# 作为 MCP Server
bun run index.ts --mcp

输出结构

{
  "metadata": { "title": "...", "type": "...", "pageCount": 25 },
  "pages": [
    { "index": 1, "text": "原始文本", "markdown": "# 格式化后" }
  ],
  "markdown": "完整 Markdown（所有页合并）",
  "hints": {
    "hasImages": true,
    "imagePages": [3, 7],
    "isScanned": false,
    "recommendation": "第 3,7 页含图片，vision 模式可提取视觉内容"
  },
  "cached": false
}

依赖

• pdfjs-dist — PDF 文本提取 + 页面渲染
• @napi-rs/canvas — Node/Bun canvas 实现（Rust，无系统依赖）
• @pinixai/core — Clip SDK
• OpenRouter API（google/gemini-3-flash-preview）— markdown/vision 模式使用