PDF 文件看起来无害，但当你尝试自动化处理时，问题就出现了。同一个“invoice.pdf”文件，可能是一个干净、可选择的文本文件，也可能是一个扫描混乱、表格格式错误、间距随意的文件。因此，OpenClaw PDF 工作流程的最佳处理方式是将 PDF 文件视为流程的输入，而不仅仅是“需要汇总的文档”。

OpenClaw（前身为 Moltbot / Clawdbot）是一款本地优先的 AI 代理。它通过 Telegram、WhatsApp、Discord 等渠道或网页界面进行通信，然后在您的计算机或服务器上运行各种工具和技能。对于 PDF 文件，这意味着繁重的处理工作（解析、OCR、提取、编辑）都可以在本地完成，您只需选择是否将生成的文本或结构化输出发送给模型即可。

如果你还不了解这个代理的构建方式，请先快速浏览一下OpenClaw 的定义和工作原理。如果你已经每天都在使用它，那就太好了，我们来聊聊真正可靠的 PDF 工作流程吧。

“本地优先 PDF 处理”的真正含义

本地优先的实践意味着您的 PDF 文件可以保留在您环境的磁盘上。OpenClaw 通过技能来协调工作流程，技能是由SKILL.md包含脚本和辅助文件的文件夹构成的。正是这一技能层使得 PDF 工作可以重复执行，而不是依赖于个人感觉。

如果您想在阅读 PDF 的具体内容之前复习一下技能，本指南与以下所有内容搭配使用效果很好：OpenClaw 技能指南。

在本地运行 PDF 流程时，还有一个不错的附加好处：您可以选择自己喜欢的工具。例如，您可以使用PyMuPDF等 Python 库进行解析，或者使用pdfplumber提取表格，然后将干净的文本交给模型进行摘要。您无需被迫使用某个供应商提供的解析工具。

两个重要的PDF作业

大多数“PDF自动化”工作都属于这两种类型之一。其他一切都是它们的变体。

总结

这是“告诉我里面有什么”的请求。您需要关键信息、义务、风险、截止日期、定价条款或决策。您重视准确性和全面性，但不需要完美地重建表格或表单字段。

最适合：合同、政策、研究 PDF、长篇技术文档、报告、内部备忘录。

结构化萃取

这是“将此转换为数据”的请求。您需要机器可读的输出格式，例如 JSON 或 CSV，以便将其导入电子表格、数据库、会计系统或内部工具。

最适合用于：发票、报表、时间表、KPI 表格、多页财务报告、表单提交。

实际工作流程通常会结合这两种方法。首先提取结构，进行验证，然后根据提取的输出结果进行总结，这样就不会总结出无用的信息。

方法一：直接对PDF进行摘要

直接摘要是捷径。摘要工具读取 PDF 文件，提取文本，将其分割成块，然后运行 ​​LLM 摘要算法。如果 PDF 文件是“原生数字文件”，文本可选择性阅读，这种方法的效果会非常惊人。

大多数实现都依赖于底层文本提取器。Popplerpdftotext提供的提取器就很常见。如果您需要该工具链的参考资料，请参阅：Poppler。

直接概括就足够了

• PDF 文件包含清晰的、可选择的文本。
• 布局很简单（单列布局很有帮助）。
• 表格存在，但并非任务关键型表格。
• 您主要需要了解决策、义务、风险和行动项目。

一个实用的“总结此PDF”模式

无论使用哪种摘要技巧，工作流程都是这样的：

# 1) Extract text
# 2) Chunk by sections or pages
# 3) Summarize each chunk
# 4) Merge summaries into a final report

如果您需要结构化的摘要（概述 + 风险 + 行动项），请同时提供 JSON 和纯文本格式的技能输出。这样可以更轻松地在批量处理中重复使用结果。

方法二：先解析为 Markdown 或 JSON 格式（可靠方法）

当文件结构至关重要时，直接文本提取就会失效。多栏PDF会打乱阅读顺序。表格会被压缩成毫无意义的文本。扫描文档则完全没有文本。

可靠的模式是：

• 将PDF转换为结构化的中间格式（Markdown或JSON）
• 从结构化输出中提取字段或表
• 验证提取的值
• 根据已验证的输出结果进行总结

在 OpenClaw 生态系统中，这通常是通过专用的解析技能（通常基于 MinerU）或 Python 封装技能（PyMuPDF、pdfplumber、pypdf）来实现的。有关 pypdf 的文档，请参阅：pypdf。

先解析能获得什么？

结构恢复了。标题仍然是标题，列表仍然是列表，表格仍然是表格（或者至少是类似表格的对象）。这使得数据提取更加准确，也降低了摘要的“错误率”。

您将在技能部分看到的示例解析命令。

许多解析技术会对脚本进行封装，并暴露一些可预测的标志：

# Parse PDF to Markdown (default)
./scripts/mineru_parse.sh /path/to/file.pdf

# Parse to JSON
./scripts/mineru_parse.sh /path/to/file.pdf --format json

# Include tables and images only when needed (keeps output smaller)
./scripts/mineru_parse.sh /path/to/file.pdf --tables --images

注意“仅在需要时使用”的理念。这不仅仅是风格偏好，它还能缩小上下文规模，降低工作流程的运行成本。

不会崩溃的提取工作流程模板

这是我见过的一种适用于发票和类似PDF文件的结构。它很枯燥，但这正是它的目的。

步骤 1：解析并分别保存输出结果

将解析后的文件写入指定的输出文件夹。切勿覆盖原始文件。这样做一次，以后就能省去很多麻烦。

input:  ~/incoming/invoices/invoice-123.pdf
output: ~/processed/invoices_parsed/invoice-123/{invoice.md, invoice.json}

步骤 2：提取到模式中

预先定义字段。发票通常如下所示：

{
  "vendor": "",
  "invoice_number": "",
  "issue_date": "",
  "due_date": "",
  "subtotal": "",
  "tax": "",
  "total": "",
  "currency": "",
  "line_items": []
}

您可以使用 LLM 指令、确定性解析或两者结合的方式提取数据。实践证明，混合方法效果更佳：确定性规则用于显而易见的字段，模型帮助用于处理复杂的行项目。

步骤三：认真验证

验证环节标志着提取过程不再只是演示。以下示例可以发现实际错误：

• 总计检查：小计 + 税金等于总计，误差在可接受范围内
• 必填字段：供应商、日期、总计
• 日期合理性：到期日不早于签发日期
• 货币一致性：货币符号和格式匹配

步骤 4：从结构化输出中总结

当汇总数据基于提取的值时，其效果会更好。您可以生成单页的批量汇总、按供应商划分的支出明细、异常值统计、即将到期的发票统计等等。

方法三：将表格导出为 CSV 或 Excel 文件

如果目标是生成表格，那就先处理表格，不要“汇总 PDF 文件”然后指望表格自动生成。要将表格提取为对象并导出。

两种实用的输出格式

• 每个表对应一个 CSV 文件，前提是每个表在概念上是独立的。
• 当您需要分析多个 PDF 文件时，只需合并一个 CSV 文件即可。

合并后的 CSV 文件通常会受益于元数据列，例如源文件、表 ID、页码和行索引。虽然看起来不太美观，但更容易进行数据聚合。

方法四：批量处理和“监视者”模式

一旦处理的 PDF 文件数量超过几个，工作流程的关键就在于可重复性。批量处理技能通常会执行“处理文件夹 X 中的所有 PDF 文件并将结果写入文件夹 Y”的操作。

你可以通过一次性斜杠命令、直接命令分发技能或像 cron 或 systemd 定时器这样的调度工具来运行批处理作业。我并不认为每个人都需要实时监控。每天或每周运行一次批处理作业就能发挥大部分价值，而且更容易调试。

# Example idea (shape, not a strict command):
/invoices-batch ~/incoming/invoices ~/processed/invoices_out

方法五：编辑PDF文件和填写表格

使用 nano-pdf 进行自然语言编辑

纳米PDF工具适用于进行小的针对性修改：例如修正拼写错误、更新标题、更正标签等。它并非设计套件。请将输出结果视为草稿，并进行必要的检查。

nano-pdf edit deck.pdf 1 "Change the title to 'Q3 Results' and fix the typo in the subtitle"

页面索引可能会让人困惑。有些设置是从 0 开始的，有些则是从 1 开始的。如果编辑后页面偏移了一页，请尝试使用另一种模式，并在技能说明中做好记录，以免每个月都重新发现这个问题。

使用 pdf-form-filler 填写 PDF 表单

对于交互式表单（例如 AcroForm），专用的表单填充工具才是最佳选择。它能够自动填充文本字段和复选框，同时保留表单的原始外观，确保填充后的表单在常用的 PDF 查看器中正确显示。

from pdf_form_filler import fill_pdf_form

fill_pdf_form(
    input_pdf="form.pdf",
    output_pdf="form_filled.pdf",
    data={
        "Name": "John Doe",
        "Email": "john@example.com",
        "Consent": True
    },
)

第一步始终是确定字段名称。一旦列出所有字段，批量填充就变得非常简单。

在 OpenClaw 中运行 PDF 工作流程（不仅仅是手动脚本）

这项强大的举措是让 OpenClaw 通过技能来协调流程，而不是在终端中手动运行工具并将结果粘贴到聊天中。

用于就绪检查和调试的常用命令有：

openclaw skills list
openclaw skills info <name>
openclaw skills check

如果您想了解技能如何集成到智能体中的官方说明，请参阅 OpenClaw 的文档：docs.openclaw.ai tools skills。要了解更广泛的项目入口，请访问：openclaw.ai。

PDF工作流程的安全性和可靠性

PDF 文件属于不可信输入文件。它们可能包含旨在操纵用户的隐藏文本。即使没有隐藏文本，文档也可能具有“语义恶意”，也就是说，它会呈现看似合理的数字或表格，意图欺骗用户。

切实可行的缓解措施：

• PDF技能的最小权限原则（专用输入和输出文件夹）
• 不覆盖现有文件，始终写入新文件
• 提取值的验证步骤
• 如有条件，可使用沙箱来保护风险较高的工具。

如果你在允许多个用户提交 PDF 文件的环境中运行 OpenClaw（例如公共机器人、多租户环境），请务必限制代理可以运行的命令以及可以访问的目录。这并非杞人忧天，而是基本的安全措施。