让 Codex 读取 PDF

Codex 在终端中工作，而 PDF 不是文本，所以它读不了。解决办法很简单: 给它一条它自己就能运行的 shell 命令。这个免安装的 CLI 使用 GPU 上的视觉语言 OCR 模型, 可以把任何 PDF——包括扫描件、复杂表格和多栏排版——转换为干净的 markdown，对中文文档的效果尤其出色。

$ npx pdftomarkdown document.pdf -o document.md

无需安装、无需注册。只要有 Node 18+ 和网络（包括 Codex 沙箱环境）就能直接运行。

临时用法: 在提示词里说一句

只需提一次命令，Codex 就会自己执行:

> 用 npx pdftomarkdown 读取 report.pdf，然后总结要点

永久配置: 写入 AGENTS.md

把下面的内容粘贴到项目的 AGENTS.md（或全局的 ~/.codex/AGENTS.md），Codex 在每个会话中都能处理 PDF:

## 读取 PDF

你无法直接打开 PDF 文件。要读取任何 PDF（本地文件或 https 链接），
请先将其转换为 markdown:

    npx pdftomarkdown document.pdf -o document.md

然后读取生成的 markdown 文件。GPU OCR 每页需要 10-30 秒，冷启动
可能再多等一分钟——请务必等待完成，不要中断命令。文档较长时请分段
读取输出文件。如果输出只有第 1 页，说明当前使用的是免费演示密钥；
请让用户设置 PDFTOMARKDOWN_API_KEY 以转换完整文档。

免费 API 密钥，转换完整文档

不带密钥时，演示密钥只转换每个 PDF 的第 1 页（足够试用）。 免费的 Developer 密钥（每月 100 页、支持多页、无水印）通过 GitHub 登录 30 秒即可获取:

用 GitHub 获取免费 API 密钥 →

export PDFTOMARKDOWN_API_KEY=your_key_here

CLI 会自动从环境变量读取密钥。