MiniMax PDF识别
minimax-pdf-ocr
by chongjie-ran
使用 MiniMax Vision API 识别 PDF/图片中的文字
安装
claude skill add --url github.com/openclaw/skills/tree/main/skills/chongjie-ran/minimax-pdf-ocr文档
MiniMax OCR Skill
使用 MiniMax Vision API 识别 PDF/图片中的文字内容，支持中文和英文。
功能
- PDF 转图片（使用 poppler）
- MiniMax Vision API 文字识别
- 输出 Markdown 格式
依赖
# 安装 Node.js 依赖
cd minimax-pdf-ocr
npm install openai pdf2image
# 安装系统依赖
brew install poppler
使用方法
命令行
# 设置 API Key
export MINIMAX_API_KEY="your-api-key"
# 运行 OCR
node pdf-ocr-minimax.js <pdf文件路径> [输出目录]
# 示例
node pdf-ocr-minimax.js ./document.pdf ./output/
作为 Skill 使用
在 JavaScript 代码中调用：
const { recognizePdf } = require('./pdf-ocr-minimax.js');
await recognizePdf('/path/to/document.pdf', './output/');
环境变量
| 变量 | 说明 | 必填 |
|---|---|---|
| MINIMAX_API_KEY | MiniMax API Key (从 platform.minimaxi.com 获取) | 是 |
| OUTPUT_DIR | 输出目录 | 否（默认当前目录） |
输出
- 识别结果保存为
.md文件 - 包含所有页面的文字内容
- 保持原有格式和段落结构
示例输出
# 文档名称
## 第 1 页
这里是第一页的文字内容...
## 第 2 页
这里是第二页的文字内容...
注意事项
- MiniMax M2.5 模型支持视觉理解
- 每页识别约消耗 100-500 次 token
- 建议批量处理时添加适当延迟避免限流
- API Key 获取: https://platform.minimaxi.com/user-center/basic-information/interface-key
相关 Skills
技能工坊
by anthropics
覆盖 Skill 从创建到迭代优化全流程：起草能力、补测试提示、跑评测与基准方差分析，并持续改写内容和描述，提升效果与触发准确率。
✎ 技能工坊把技能从创建、迭代到评测串成闭环，方差分析加描述优化，特别适合把触发准确率打磨得更稳。
表格处理
by anthropics
围绕 .xlsx、.xlsm、.csv、.tsv 做读写、修复、清洗、格式整理、公式计算与格式转换，适合修改现有表格、生成新报表或把杂乱数据整理成交付级电子表格。
✎ 做 Excel/CSV 相关任务很省心，能直接读写、修复、清洗和格式转换，尤其擅长把乱七八糟的表格整理成交付级文件。
Word文档
by anthropics
覆盖Word/.docx文档的创建、读取、编辑与重排，适合生成报告、备忘录、信函和模板，也能处理目录、页眉页脚、页码、图片替换、查找替换、修订批注及内容提取整理。
✎ 搞定 .docx 的创建、改写与精排版，目录、批量替换、批注修订和图片更新都能自动化，做正式文档尤其省心。
相关 MCP 服务
文件系统
编辑精选by Anthropic
Filesystem 是 MCP 官方参考服务器，让 LLM 安全读写本地文件系统。
✎ 这个服务器解决了让 Claude 直接操作本地文件的痛点，比如自动整理文档或生成代码文件。适合需要自动化文件处理的开发者，但注意它只是参考实现，生产环境需自行加固安全。
by wonderwhy-er
Desktop Commander 是让 AI 直接执行终端命令、管理文件和进程的 MCP 服务器。
✎ 这工具解决了 AI 无法直接操作本地环境的痛点，适合需要自动化脚本调试或文件批量处理的开发者。它能让你用自然语言指挥终端，但权限控制需谨慎，毕竟让 AI 执行 rm -rf 可不是闹着玩的。
EdgarTools
编辑精选by dgunning
EdgarTools 是无需 API 密钥即可解析 SEC EDGAR 财报的开源 Python 库。
✎ 这个工具解决了金融数据获取的痛点——直接让 AI 读取结构化财报，比如让 Claude 分析苹果的 10-K 文件。适合量化分析师或金融开发者快速构建数据管道。但注意，它依赖 SEC 网站稳定性，高峰期可能延迟。