tomevault-io 文档提取
将文档提取为适用于视觉语言模型（VLM）分析的 WebP 页面。
使用场景
在以下情况下使用此技能：
- 使用视觉能力分析 PDF 文档
- 处理 Office 文档（DOCX、PPTX、XLSX）提取内容
- 将图片或扫描文档转换为页面序列
- 处理来自 ZIP 压缩包的文档
命令
提取文档：
monoco doc-extractor extract <文件路径> [--dpi 150] [--quality 85] [--pages "1-5,10"]
列出提取的文档：
monoco doc-extractor list [--category pdf] [--limit 20]
搜索文档：
monoco doc-extractor search <查询>
显示文档详情：
monoco doc-extractor show <哈希前缀>
monoco doc-extractor cat <哈希前缀> # 显示元数据 JSON
参数
| 参数 | 默认值 | 说明 |
|---|---|---|
--dpi |
150 | 渲染 DPI（72-300） |
--quality |
85 | WebP 质量（1-100） |
--pages |
all | 页面范围（例如："1-5,10,15-20"） |
输出
文档存储在 ~/.monoco/blobs/{sha256_hash}/：
source.{ext}- 原始文件source.pdf- 标准化 PDFpages/*.webp- 渲染的页面图片meta.json- 文档元数据
示例
# 高质量提取 PDF
monoco doc-extractor extract ./report.pdf --dpi 200 --quality 90
# 提取文档的特定页面
monoco doc-extractor extract ./presentation.pptx --pages "1-10"
# 列出所有 PDF 文档
monoco doc-extractor list --category pdf
# 显示提取文档的详情
monoco doc-extractor show a1b2c3d4
最佳实践
- 小字体文档使用
--dpi 200或更高 - 更好的图像质量使用
--quality 90（文件更大） - 提取的文档按内容哈希缓存 - 重复提取即时完成
- 压缩包（ZIP）自动解压并处理
Converted and distributed by TomeVault — claim your Tome and manage your conversions.