15 · 核心办公能力
PDF读取提取转换与轻工具
读 PDF 的重点不是生成一段流畅摘要，而是让每个关键结论都能回到页码、表格和原文。遇到扫描件、跨页表格和没有文本层的文件，要先识别限制。
读 PDF 的重点不是生成一段流畅摘要，而是让每个关键结论都能回到页码、表格和原文。遇到扫描件、跨页表格和没有文本层的文件，要先识别限制。
本章最终要解决的问题是：怎样读长 PDF、抽表格、转换并保留页码证据？
这一章怎么学
- 理解问题：怎样读长 PDF、抽表格、转换并保留页码证据？
- 完成练习：摘要、页码证据表、转换文件
每个办公任务都围绕真实文件、事实证据和可继续编辑的交付物展开。 阅读正文时，把注意力放在任务输入、真实动作、交付文件和人工判断点上。
资料说明：下面的具体步骤、案例和截图根据已收集的第三方教程重组。正文中的第一人称均指原教程作者，不代表曾俊本人的经历或实测；案例数字也不能直接视为官方承诺。
聊聊我是怎么用 WorkBuddy 把这套 PDF 工具，从一行代码打包成绿色版的 客户的PDF里夹着报价、LOGO、甚至别家的图纸，想删掉，却不敢用网上的工具——怕文件传上去就回不来了。 于是我让WorkBuddy给我写了一个，专门在我自己电脑上跑、文件不出本机的。 先说个真事。 QTD的工作主要是报价。如果客户的图纸上有需要外发询价的。每个公司一般都有保密协议，相关的信息需要保密（特别是客户的信息，如LOGO等）我要把敏感页删掉，再转发给PUR去询价。 我下意识想去搜个"PDF去水印在线工具"。手悬在回车键上，突然一激灵：这文件传上去，是真删了，还是被人悄悄存了一份？我赌不起。 我是安工，在制造业做报价和工程变更。那天我就想：这活儿，能不能有个工具，全程在我自己电脑上跑，文件不联网、不上传？ 我把这念头跟WorkBuddy里的兰仔一说，它给我回了第一行能跑的代码。 起点：不是"我要写个软件"，是"我有个麻烦" 很多人以为做工具得先会编程。我没系统学过。 我的起点很具体：一个.py脚本，兰仔用PDF处理类库帮我写出来的，功能就一个——把指定页删掉。我双击跑一下，"成了"。 那一刻我意识到：WorkBuddy不是让我去学编程，是让我的需求直接变成能跑的东西。 第一行代码长什么样 其实就是一段大白话需求："读这个PDF，删掉第3页和5到8页，另存为新文件。" 兰仔把它翻译成代码。我不用看懂每一行，但我能确认"它理解对了我的意思"。★这点很重要——AI写代码不可怕，可怕的是你不知道它在干嘛。 从"能跑"到"能用"：需求是我定的，活是它干的 一个能删页的脚本，离"工具"还差得远。接下来几轮，都是我在定需求，兰仔在实现： ▸删页不够，要脱敏——不是盖个白块糊弄，是把底层文字、图片真删掉，让别人用提取工具也拿不回来； ▸要能加"机密"水印，中文不能乱码； ▸要合并、拆分、PDF转图片； ▸后来还加了AES-256加密。 每加一个功能，兰仔先把我说的"人话"复述一遍，确认了再写。我坐在老板位上，只管"要什么"，不管"怎么写"。 最关键的一条设计 我跟兰仔定了死规矩：所有编辑先动内存里的副本，只有点"保存"才真正写出；而且永远另存为新文件，绝不碰原稿。改错了？最多撤回20步。 教训：工具再智能，{{原稿安全得写死在流程里}}，不能靠"记得别覆盖"。 从.py到双击即用：打包成绿色版 代码在我电脑上跑得欢，问题来了：同事也想用，难道让他们也装Python、配环境？ 这就是"绿色版"要解决的——把Python、依赖库、我的代码，一起打包成一个exe，别人双击就能用，免安装、不写注册表、不联网、零依赖，甚至能塞进U盘带走。 我用WorkBuddy让兰仔走了标准打包流程（PyInstaller那一套）：把脚本和依赖冻进一个文件夹，再压成zip分发。难点不是打包本身，是几个细节： ▸体积：依赖塞进去，包会有几十MB，得权衡带哪些库； ▸SmartScreen：没做代码签名，Windows会弹"已保护你的电脑"，得在分发说明里教同事点"仍要运行"； ▸可信：我顺手做了个SHA256校验器，下载的人能比对官方值，确认文件没被改过。 为什么非要"绿色版" 因为要发给同事、发给客户对接人。他们电脑上什么环境都有，最稳的就是"什么都不依赖"。 要点：{{能跑在开发者电脑上≠能跑在别人电脑上}}。绿色版，就是把"我的环境"一起快递出去。 现在它躺在同事的U盘里 工具做完，我按上面说的打成绿色版，发给了常跟PDF打交道的几个同事。反馈就一句："双击就能用，文件确实没联网。" 那一刻我挺感慨。从"客户PDF不敢用网工具"那个念头，到同事U盘里那个exe，中间隔着的不是编程功底，是一个敢把想法扔给AI、再自己把关需求的老板。 WorkBuddy没替我思考，但它让我的想法，跑得比我的手快。文件不联网，脑子不被绑住——这才是真安全。 ─────────────────────────────────── 想要这个工具？上一条《PDF工具分发说明》里有下载，全程离线、免费。 我是安工。关注「兰仔聊AI」，下次聊聊：怎么把更多"重复到想死"的活儿，也交给WorkBuddy。 如果你也常卡在"这个PDF不敢用网工具删"，点个「在看」转给那个还在手工遮盖敏感信息的同事。安全的工具，该人人手一份。 #AI工具#WorkBuddy#兰仔聊AI#PDF#效率工具#人机协作
先判断你拿到的是哪一种 PDF
PDF 只是容器，里面可能是可复制的文本、扫描图片、混合排版、表格、合同附件或整本报告。处理前先检查页数、目录、文本层和目标页。能搜索文字的文件通常可以直接读取；只能看到图片的扫描件需要 OCR，识别结果必须抽查。密码保护、损坏文件和复杂跨页表格应先报告限制。
长 PDF 不适合直接要求“完整总结”。更稳的做法是先建立文档地图：目录、章节、页码范围、关键表格、附录和引用规则。接着围绕具体问题读取对应章节，最后再合并结论。这样能防止开头内容占满上下文，后半部分被忽略。
摘要必须带着证据走
建议让 WorkBuddy 同时交付两份内容：一份给人快速阅读的摘要，一份用于复核的证据表。
| 结论编号 | 结论 | 原文证据 | 页码 | 证据类型 | 状态 |
|---|---|---|---|---|---|
| C01 | 报告明确陈述的事实 | 保留关键原句 | 12 | 正文 | 已确认 |
| C02 | 根据两张表计算得到 | 列出表名与计算式 | 35、38 | 计算 | 需复核 |
| C03 | 材料不足 | 说明缺少什么 | — | 待补 | 未确认 |
摘要只使用“已确认”的事实。计算结论应保留单位、时间范围和公式；解释性判断写清它是作者观点、报告结论还是本文推断。
表格提取要单独验收
跨页表格常出现表头丢失、合并单元格错位、负号遗漏和单位只写在第一页的问题。提取时先记录表名、页码、列名和单位，再导出数据。验收至少检查首行、末行、合计行、一个含小数的单元格和一个跨页位置。发现布局无法可靠恢复时，保留原页码并要求人工录入关键数据。
转换 Word 或 Excel 时保存原 PDF，输出文件名带上“提取版”或“转换版”。转换文件用于继续编辑，原 PDF 继续承担证据底稿的角色。
把这一章真正跑一遍
下面这条任务可以直接放进 WorkBuddy。先用脱敏副本练习，确认无误后再替换成正式材料。
阅读 input/报告.pdf，输出摘要和“结论—证据—页码”表。没有文本证据的推断不得进入摘要；表格提取不确定时保留截图页码提示，但不要猜数值。
本章完成后，应留下这些结果：
- 摘要 已生成、能打开，关键内容能回到输入材料。
- 页码证据表 已生成、能打开，关键内容能回到输入材料。
- 转换文件 已生成、能打开，关键内容能回到输入材料。
最后再看一遍实际文件和变更记录。删除、覆盖、外发、发布、付款、审批和生产写入继续由有权限的人确认。遇到材料冲突、权限不足或外部状态不确定，让任务停下并列出待处理问题。
AI 办公产品教程 · 完整版