cas-bigdatalab PDF 元数据提取 技能
功能说明
提取 PDF 文件元数据并输出 JSON 结果。 当用户提到把这次流程沉淀成 skill、保存为 skill等需求时使用此 skill。
触发条件
- 技能类别：document_processing
- DAG 类型：输入
- 当用户提到“把这次流程沉淀成 skill”时优先考虑使用此技能。
- 当用户提到“保存为 skill”时优先考虑使用此技能。
- 当一次真实处理流程已经跑通，并且用户希望将其封装为可复用 skill 时使用此技能。
- 当现有技能库无法直接满足需求，但已经通过脚本或步骤成功完成任务，并希望回调式沉淀为 skill 时使用此技能。
核心功能
- 提取 PDF 元数据
- 复用已验证成功的处理脚本
- 输出 JSON 结果
处理逻辑
- 读取输入 PDF 文件
- 提取标题、作者、主题、页数和日期等元数据
- 输出为 JSON 文件
支持的文件格式
- 输入：.pdf
- 输出：.json
使用方法
python scripts/run_pdf_metadata_extract.py --input_path <input_path>
参数说明
| 参数 | 类型 | 角色 | 必填 | 默认值 | 说明 |
|---|---|---|---|---|---|
| input_path | string | input_data | 是 | - | 输入 PDF 文件路径 |
输出参数
| 参数 | 类型 | 角色 | 默认值 | 说明 |
|---|---|---|---|---|
| output_path | json_file | output_data | - | 输出 JSON 文件路径 |
示例
从成功流程恢复 skill 后的典型调用
python scripts/run_pdf_metadata_extract.py --input_path workspace/temp/document.pdf --output_path workspace/outputs/pdf_metadata_extract_output.json
输出结构
{
"output_path": "workspace/outputs/pdf_metadata_extract_output.json"
}
输出示例
{
"output_path": "workspace/outputs/pdf_metadata_extract_output.json"
}
注意事项
- 本 skill 草稿由已验证成功的处理流程恢复生成，建议人工补齐命名、图标与触发表达。
- 在回调式沉淀链路中，应优先复用已有脚本和成功证据，而不是重新手写实现。