[分享创造] 开源了一个 agent 技能，能把扫描件和手机拍的文档重建成矢量 PDF（附对照实验）

做了一个给 Claude Code 和 Codex 用的技能，能把扫描件或手机斜拍的文档重新做成干净的 PDF：文字可以搜索、复制，图表和流程图是矢量图，放大不会糊，版式贴近原稿。它不是在图片上加一层 OCR 文字。 我还做了对照实验。测试页由程序生成，每页都有标准答案，类型有练习册、表格、图表、流程图、表单和双栏文章，其中一半是斜着拍、带阴影的手机照片。每页按标准答案给文字、版式、图形和矢量比例打分，1.0 为满分。同一个需求，每个模型做两次，一次不用技能，一次用。下面是两份 9 页文档上的结果，技能从没在这些页面上调过参： 模型 不用 用 Haiku 5.5 0.841 0.997 Fable 5.1 0.837 0.997 Sonnet 5.5 0.994 0.998 Opus 5.5 0.993 0.998 耗时：Sonnet 做 9 页从 25.7 分钟降到 16.2 分钟（快 37%），Haiku 基本持平（ 9.4 → 9.0 ），Opus 和 Fable 变慢（ 13.3 → 14.7 、10.0 → 14.7 ）。每个模型只有两份文档，耗时仅供参考。 最早的版本只是一份详细的说明，效果不明显。起作用的是把 agent 容易出错的步骤交给脚本： 模型看到的是缩小后的图，位置和小数字只能估。现在由脚本按像素测量，没把握的词裁出来放大，每页汇总成一张校对图。 模型发现不

• #agent