- name
- book-walker
- description
- 交互式 PDF 逐行阅读器。当用户想要阅读 PDF 文档、控制阅读进度（下一页、上一页、跳转第 X 页）、搜索内容、添加书签、整理 PDF 列表时使用此 skill。支持「开始读」「下一句」「去第 X 页」「搜索」「书签」等自然语言指令。适用于长文档分块阅读、定位特定章节、关键词搜索等场景。
- metadata
Deep Reading Skill
交互式PDF逐行阅读器，支持块级/行级翻页、跳转、搜索、书签等功能。
触发方式
当用户想要阅读PDF文档、通过指令控制阅读进度时使用此skill。
功能
- 📖 打开PDF: 加载PDF文件并开始阅读
- ➡️ 下一句: 读取下一块/行内容
- ⬅️ 上一句: 返回上一块/行
- 🔄 重读: 重新读取当前内容
- 📑 跳转: 支持页码跳转、块跳转
- 🔍 搜索: 关键词全文搜索
- 🔖 书签: 添加和管理书签
- 📊 进度: 显示阅读进度
指令列表
| 指令 | 说明 | 示例 |
|---|---|---|
开始读 <文件> | 打开PDF文件 | 开始读 /path/to/file.pdf |
模式 text / 模式 ocr | 切换提取模式 | 模式 ocr |
下一句 / 继续 | 读取下一块 | 下一句 |
上一句 / 后退 | 返回上一块 | 上一句 |
重读 / 再念一遍 | 重读当前块 | 重读 |
去第X页 | 跳转到指定页 | 去第10页 |
跳到第X块 | 跳转到指定块 | 跳到第5块 |
跳到第X行 | 跳转到指定行 | 跳到第50行 |
搜索 <关键词> | 搜索关键词 | 搜索 机器学习 |
书签 | 查看书签列表 | 书签 |
书签 添加 <备注> | 添加书签 | 书签 添加 重要 |
模板 列表 | 列出可用模板 | 模板 列表 |
模板 使用 <名> | 切换当前模板 | 模板 使用 原文翻译解读 |
模板 定义 <名> <内容> | 定义/覆盖模板 | 模板 定义 简洁 请逐句翻译 |
列出PDF / 列表 | 扫描 workspace 下所有 PDF 并建立索引 | 列出PDF |
进度 | 显示阅读进度 | 进度 |
暂停 | 暂停阅读 | 暂停 |
关闭 | 关闭当前PDF | 关闭 |
帮助 | 显示帮助 | 帮助 |
使用示例
用户: 列出PDF
助手: 📚 当前 Workspace 可读 PDF 索引
路径: /path/to/workspace-e
━━━━━━━━━━━━━━━━━━━━━━━━
共 3 个 PDF：
1. docs/report.pdf
2. papers/paper.pdf
💡 使用「开始读 1」或「开始读 report.pdf」打开
用户: 开始读 /home/docs/report.pdf
助手: 📄 第1页 · 块1/50 · [██░░░░░░░] 4%
━━━━━━━━━━━━━━━━━━━━━━━━
第一章 项目概述
本报告主要介绍...
用户: 下一句
助手: 📄 第1页 · 块2/50 · [██░░░░░░░] 6%
━━━━━━━━━━━━━━━━━━━━━━━━
1.1 项目背景...
用户: 去第5页
助手: 📄 第5页 · 块20/50 · [████░░░░░] 40%
━━━━━━━━━━━━━━━━━━━━━━━━
第二章 技术方案...实现细节
核心模块
pdf-reader/
├── __init__.py # 主入口
├── reader/
│ ├── types.py # 类型定义
│ ├── exceptions.py # 异常类
│ ├── blocks.py # 数据类
│ ├── parser.py # PDF解析引擎
│ ├── state.py # 状态管理
│ └── cache.py # 缓存管理
├── commands/
│ └── navigation.py # 导航指令
└── ui/
└── formatter.py # 输出格式化MVP 范围
- ✅ 可搜索PDF（非扫描件）
- ✅ 单栏布局
- ✅ 无页数限制（按需解析+落盘）
- ✅ 块级翻页
- ✅ 页码跳转
- ✅ 进度显示
- ✅ 书签（按 PDF 持久化）
技术依赖
- pdfplumber: 文本/表格提取
- PyMuPDF: 图片提取
模板与 Agent LLM 加工
- 块级导航：
下一句按块（paragraph）推进 - 模板：用户可
模板 定义、模板 使用，skill 不调用 LLM - Structured Payload：当使用非默认模板时，skill 在输出末尾附加
[PDF_READER_TEMPLATE_PAYLOAD]块，内含template_prompt、original、page、block_id - Agent 职责：解析该 payload 后，由 Agent 调用 LLM 按
template_prompt对original加工（如 原文/翻译/解读），将 LLM 输出呈现给用户
存储结构
每个 PDF 有独立目录（~/.cache/pdf-reader/{hash}/），包含：
index.json- 索引（total_pages, page_offsets）p1.json,p2.json... - 各页块数据state.json- 阅读进度bookmarks.json- 书签
注意事项
- MVP版本不支持扫描件PDF（需要OCR）
- MVP版本不支持多栏布局
- 大文件可能需要较长的初始加载时间
- 书签与解析结果、进度均按 PDF 分目录保存，切换 PDF 即切换目录
PDF 文本提取说明
提取模式
PDF Reader 支持两种文本提取模式：
| 模式 | 命令 | 说明 |
|---|---|---|
| 文本模式 | 模式 text | 默认，使用 pdfplumber 直接提取 PDF 文本 |
| OCR 模式 | 模式 ocr | 将页面转为图片后用 tesseract 识别 |
文本模式
- 适用于：大多数正常 PDF
- 优点：速度快
- 问题：部分 PDF（老版本 LaTeX 生成）文本流没有空格
OCR 模式
- 适用于：扫描件PDF、文本提取有问题的 PDF
- 优点：识别准确
- 缺点：速度较慢
- 需要安装 tesseract：
# macOS
brew install tesseract
# Ubuntu
sudo apt install tesseract-ocr使用示例
用户: 模式 ocr
助手: ✅ 已切换到 ocr 模式
用户: 开始读 xxx.pdf
助手: (使用 OCR 提取文本...)技术实现
text_enhance.py：文本后处理模块
- enhance_text() - 智能添加空格 - is_scanned_pdf() - 检测是否为扫描件
parser.py：
- _extract_blocks() - 文本提取 - _extract_blocks_ocr() - OCR 提取