Claude Code、Cursor、Windsurf 这些 Code Agent 用起来很爽，但都有个共同的短板：没法直接读 PDF 和截图。你让它读一份产品文档，它会告诉你"无法读取"，开发流程就断在这里了。
解决办法是装一个 MinerU 的 Skill，一行命令：
npx skills add tanis90/pdf-converter-mineru装完之后 Code Agent 就能直接解析 PDF 了。下面说说原理和实际用起来的效果。
为什么用 Skill 而不是自己搭 MCP Server
"文档阅读"是个无状态需求，用 Skill 比自己配解析服务器轻量得多：
一行命令装好，不用 Docker，不用配环境变量，没有后台进程。
基于 OpenClaw 开放标准，Claude Code、Cursor、Windsurf 都能用。
免费，不需要 API Key。内置智能判断，会根据文档大小自动选解析策略。
实际对比过：没装之前要手动打开 PDF、截取内容、粘贴到终端，还经常格式错乱。装了之后直接对话就行。
实际用起来什么样
场景 1：解析 API 文档写代码
很多老的内部接口文档只有 PDF 格式。直接跟 Agent 说：
"帮我读一下这篇 api_spec.pdf，重点看认证授权章节，然后用 Python 写一个支持重试机制的 client。"
Agent 会自动调 MinerU Skill 把 PDF 转成 Markdown（用 flash-extract），然后从里面提取认证参数写代码。
场景 2：带复杂表格和公式的论文
复现论文时最怕表格数据对不齐、公式变乱码：
"解析这篇 attention.pdf，把第四章的对比表格提取出来作为代码测试的 mocked data。"
双栏排版的顶会论文也能还原成 Markdown，AI 可以正常读取。
MinerU 是什么
这个 Skill 背后是上海人工智能实验室开源的文档解析引擎 MinerU，GitHub 56.9K+ Stars，OmniDocBench 综合评测第一。
和 PyPDF2 这类简单提取库不同，MinerU 有两套引擎（Pipeline + 基于 InternVL 的视觉多模态模型），在公式（CDM 97.29）、嵌套表格（TEDS-S 94.48%）、图文混排上的表现都不错。转出来的 Markdown 很适合喂给 LLM 和 RAG 系统。
