CodexでPDFを読む

Codexはターミナルで動作するため、テキストではないPDFを読むことができません。 解決策はシンプルで、Codex自身が実行できるシェルコマンドを1つ与えるだけです。 インストール不要のCLIが、スキャン文書・複雑な表・段組みレイアウトを含むあらゆるPDFを、 GPU上のビジョン言語OCRモデルでクリーンなmarkdownに変換します。日本語の文書にも強いのが特長です。

$ npx pdftomarkdown document.pdf -o document.md

インストール不要・登録不要。Node 18+とネットワークがあれば、Codexのサンドボックス内でもすぐに動きます。

その場で使う: プロンプトで伝えるだけ

コマンドを一度伝えれば、あとはCodexが自分で実行します:

> npx pdftomarkdown で report.pdf を読み込んで、要点をまとめて

常設する: AGENTS.mdに追加

プロジェクトのAGENTS.md（またはグローバルの~/.codex/AGENTS.md）に以下を貼り付ければ、すべてのセッションでCodexがPDFを扱えるようになります:

## PDFの読み取り

PDFファイルを直接開くことはできません。PDF（ローカルファイルまたは
httpsのURL）を読む場合は、まずmarkdownに変換してください:

    npx pdftomarkdown document.pdf -o document.md

変換後、markdownファイルを読んでください。GPUによるOCRは1ページあたり
10〜30秒かかり、コールドスタート時はさらに1分ほどかかることがあります。
必ず完了を待ち、コマンドを中断しないでください。長い文書は出力ファイルを
セクションごとに読んでください。出力が1ページ目のみの場合は無料デモ層が
使われています。全ページ変換にはPDFTOMARKDOWN_API_KEYの設定をユーザーに
依頼してください。

無料APIキーで全ページ変換

キーなしのデモ層では各PDFの1ページ目のみ変換されます（お試しには十分です）。 無料のDeveloperキー（月100ページ・全ページ対応・ウォーターマークなし）はGitHubログインで30秒で取得できます:

GitHubで無料APIキーを取得 →

export PDFTOMARKDOWN_API_KEY=your_key_here

CLIは環境変数からキーを自動的に読み取ります。