scan-to-vector-skill 开源，将扫描件和手机拍摄文档重建为矢量 PDF

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：

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。
• 模型发现不了自己漏了什么。现在每次重建都会和原稿叠在一起比对，逐页报告还缺什么。
• 模型倾向于少做步骤。现在起草所有页只要一条命令，改一个错字只要在 JSON 里写一行。

失败的版本也写在 README 里了，比如有一版让 Sonnet 退步，原因是照片比例算错了。评测代码也开源了，欢迎用别的模型试试。

安装：在 Claude Code 里依次执行 /plugin marketplace add 3351666087/scan-to-vector-skill 和 /plugin install scan-to-vector@scan-to-vector-skill，也可以用 README 里的一行命令安装（支持 Claude Code 和 Codex ）。脚本需要 Python 3.10+ 和 tesseract 命令，依赖见 README 。MIT 协议。

GitHub： https://github.com/3351666087/scan-to-vector-skill

局限：测试集是合成的英文印刷页，手写和中文都没有测过。起草脚本调用 Tesseract 时不指定语言，只用英文模型，内置字体也只有西文，所以起草脚本目前处理不了中文页面，只装中文语言包不够。它按页消耗 agent 的时间，如果只需要能搜索的文字，直接用 OCRmyPDF 更省事。