How do I install the Glm 5.3 Flash Vision RAG skill?

Run npx skillmds@latest add liangdabiao/glm-5-3-flash-vision-rag in your terminal (requires Node.js), paste this page's agent-chat prompt into Claude, Cursor, or any MCP-connected agent, or download the SKILL.md file and copy it into your agent's skills directory.

Is Glm 5.3 Flash Vision RAG safe to use?

This skill has not completed SkillMD's automated safety review yet. SkillMD never runs a skill's scripts for you; review the SKILL.md before installing.

Which AI agents work with Glm 5.3 Flash Vision RAG?

This skill is tagged as working with Claude Code, Claude.ai, OpenAI Codex. SKILL.md is an open format, so most agents that read a skills directory can load it too.

Is Glm 5.3 Flash Vision RAG free to use?

Yes. Installing skills from SkillMD is free, and the skill stays under its author's original license.

Who published Glm 5.3 Flash Vision RAG?

liangdabiao (@liangdabiao) published this skill. Their other Agent Skills are listed on their SkillMD profile.

Glm 5.3 Flash Vision RAG by liangdabiao

Name: Glm 5.3 Flash Vision RAG
Author: liangdabiao

Glm 5.3 Flash Vision RAG

基于智谱GLM-5.3-Flash视觉大模型的PDF深度问答与检索（vision RAG）。当用户提到 PDF、文档、资料、报告、论文、电子书、手册、说明书，并想提问、查找、搜索、总结或理解其内容，或问"在哪一页"、"引用原文"、要页面截图时，使用本skill。支持扫描版、图表、表格、代码的视觉理解；回答带物理页码引用，并把命中页原图展示给用户。（GLM 版本；DeepSeek 版为 deepseek-v4-flash-vision-rag）

liangdabiao Updated Sep 17, 2026

File contents

GLM-5.3-Flash Vision RAG

用智谱 GLM-5.3-Flash 视觉大模型"看懂"整份 PDF：先为每页建立视觉索引（一次性、缓存复用），再对用户问题做本地粗筛 → 视觉精排 → 深读回答，回答带 [第N页] 引用，并把命中页图片展示给用户。

与 DeepSeek 姊妹版同构：页码来自渲染天然精确；三层漏斗（免费粗筛→看图确认→深读作答）。差异详见 references/api-notes.md（无 Files API 内联传图、reasoning_effort=low 等效关思考、图片按分辨率计费故 dpi 默认 110）。

环境

Python：openai、pymupdf(fitz)；ffmpeg 不需要
API key：环境变量 GLM_API_KEY 或 ~/.glm_api_key 文件首行（代码不内置密钥）

工作流

第 1 步：建索引（每份 PDF 一次）

python scripts/ingest.py "<pdf路径>"

120 页约 3 分钟、6 次模型调用；重复运行命中缓存。参数：--force 重建｜ --limit N 只索引前 N 页试水｜--clean 清缓存。

第 2 步：提问

python scripts/ask.py "<pdf路径>" "问题"

输出四段：=== 答案 ===（带 [第N页] 引用）、=== 引用页 ===、 === 页面图片 ===（PNG 在 ./pdf-vision-out/）、=== 预览 ===（自包含 HTML）。

第 3 步：展示

优先把 HTML 预览或 PNG 路径给用户双击打开；支持 inline 的环境可再 Read 图片作补充，但不得只依赖 inline。

用户要看指定页：

python scripts/show.py "<pdf路径>" --pages 6,7 [--dpi 220]

回答规范

以脚本答案为事实基础组织回答，保留 [第N页] 标记；索引只覆盖部分页时如实说明
展示必须提供本地路径，不能只靠 inline 图片

注意事项

首次 ingest 分钟级正常；之后每次提问 2 次调用
调参/排错先读 references/api-notes.md（实测行为记录）

---name: glm-5-3-flash-vision-ragdescription: 基于智谱GLM-5.3-Flash视觉大模型的PDF深度问答与检索（vision RAG）。当用户提到 PDF、文档、资料、报告、论文、电子书、手册、说明书，并想提问、查找、搜索、总结或理解其内容，或问"在哪一页"、"引用原文"、要页面截图时，使用本skill。支持扫描版、图表、表格、代码的视觉理解；回答带物理页码引用，并把命中页原图展示给用户。（GLM 版本；DeepSeek 版为 deepseek-v4-flash-vision-rag）---# GLM-5.3-Flash Vision RAG用智谱 GLM-5.3-Flash 视觉大模型"看懂"整份 PDF：先为每页建立视觉索引（一次性、缓存复用），再对用户问题做本地粗筛 → 视觉精排 → 深读回答，回答带 `[第N页]` 引用，并把命中页图片展示给用户。与 DeepSeek 姊妹版同构：页码来自渲染天然精确；三层漏斗（免费粗筛→看图确认→深读作答）。差异详见 `references/api-notes.md`（无 Files API 内联传图、reasoning_effort=low等效关思考、图片按分辨率计费故 dpi 默认 110）。## 环境- Python：`openai`、`pymupdf(fitz)`；**ffmpeg 不需要**- API key：环境变量 `GLM_API_KEY` 或 `~/.glm_api_key` 文件首行（代码不内置密钥）## 工作流### 第 1 步：建索引（每份 PDF 一次）```bashpython scripts/ingest.py "<pdf路径>"```120 页约 3 分钟、6 次模型调用；重复运行命中缓存。参数：`--force` 重建｜`--limit N` 只索引前 N 页试水｜`--clean` 清缓存。### 第 2 步：提问```bashpython scripts/ask.py "<pdf路径>" "问题"```输出四段：`=== 答案 ===`（带 [第N页] 引用）、`=== 引用页 ===`、`=== 页面图片 ===`（PNG 在 ./pdf-vision-out/）、`=== 预览 ===`（自包含 HTML）。### 第 3 步：展示优先把 HTML 预览或 PNG 路径给用户双击打开；支持 inline 的环境可再 Read 图片作补充，但不得只依赖 inline。用户要看指定页：```bashpython scripts/show.py "<pdf路径>" --pages 6,7 [--dpi 220]```## 回答规范- 以脚本答案为事实基础组织回答，保留 `[第N页]` 标记；索引只覆盖部分页时如实说明- 展示必须提供本地路径，不能只靠 inline 图片## 注意事项- 首次 ingest 分钟级正常；之后每次提问 2 次调用- 调参/排错先读 `references/api-notes.md`（实测行为记录）

Frequently asked questions