PDF 高亮提取 → Markdown 技能#

目标#

从用户提供的 PDF 文件中提取所有高亮（荧光笔）标注文字，汇总后生成带 YAML Front Matter 的 Markdown 文档。

工作流程#

Step 1：确认依赖#

首次使用时，先运行安装脚本确保 pymupdf 已安装：

bash

<python> scripts/install_deps.py

其中 <python> 替换为当前环境的 Python 路径（优先使用 managed 版本）。

Step 2：提取高亮（JSON 模式）#

用 JSON 模式运行提取脚本，获得结构化的高亮数据供后续 AI 处理：

bash

<python> scripts/extract_highlights.py "<pdf_path>" --json

• <pdf_path>：用户提供的 PDF 绝对路径
• 脚本输出 JSON，包含每条高亮的 page（页码）、 color（颜色名）、 text（内容）
• 如果用户只想提取特定颜色，加 --color yellow（支持 yellow/green/red/blue/pink/orange/purple/cyan）

Step 3：AI 生成标题和 Tags#

分析所有高亮文本的语义，生成：

• title：3~10 字，概括高亮内容的核心主题，中文优先
• tags：3~6 个标签，涵盖主题领域、文档类型、关键概念，全部小写，用中文或英文均可

Step 4：生成 Markdown 文件#

按以下模板在 PDF 同目录 生成 <pdf文件名>_highlights.md：

markdown

---
title: "<AI生成的标题>"
date: <今日日期 YYYY-MM-DD>
tags:
  - <tag1>
  - <tag2>
  - ...
---

# <标题>

## 摘录原文

### 第 N 页

- 高亮内容1
- 高亮内容2

### 第 M 页

- ...

---

## 内容总结

<AI 根据所有高亮内容撰写的 200~400 字综合总结，提炼核心观点、关键数据和重要结论>

Step 5：输出确认#

告知用户：

• 生成的 Markdown 文件路径
• 共提取了多少条高亮、来自多少页
• 简要展示 YAML Front Matter 内容

注意事项#

• 若脚本报告「未找到任何高亮标注」，可能是 PDF 使用了图片扫描而非文字型高亮，或高亮格式为手写/非标准注释；此时如实告知用户
• 若 PDF 路径含中文或空格，确保用双引号包裹路径
• 总结部分需真正阅读所有摘录内容后撰写，不能只复述标题