Scan-to-vector：用 AI 代理将扫描页面重建为矢量 PDF

把扫描的书、手册、工作表和图册重建为可搜索的 PDF，其中的图表以矢量形式重绘，并逐页与扫描件核对。这是一个 agent skill，适用于 Claude Code、Codex 以及任何能读取 SKILL.md 的客户端。OCR 只是在扫描件上叠一层不可见的文字，而 scan-to-vector 是把整页重建出来：真正的文字可以搜索、可以复制；图形和图表重绘为矢量路径，无论放大多少倍都保持清晰；照片和版画则保留为干净的、带标注的裁切图。每一页源文件都记录在账本中，成品交付前还会把重建结果叠加到扫描件上进行比对。实测而非自说自话：在两份从未见过的 9 页扫描文档上，我们测试的全部四个模型使用该 skill 后得分都有提升。Haiku 5.5 从 0.841 升到 0.997，Sonnet 5.5 的完成速度快了 37%。详见基准测试。两个演示都是真实的公共领域扫描件。本仓库中的重建 PDF 由 agent 按照 SKILL.md 生成。每一个测量出的坐标都记录在构建脚本里，你可以自行重新生成。

扫描件（输入） 重建结果（输出） 文件 scan.jpg，1920×2519 JPEG，300 KB byrne-euclid-I-11.pdf，80 KB 文字 像素 可搜索文字，使用开放的 Caslon 字体（Libre Caslon Text） 图形与行内符号 像素 82 条矢量路径，位置均在扫描件上测量 版画首字母「F」 像素 保留为清理过的位图裁切，并在账本中注明 检查 与扫描件叠加比对、页面账本、结构审计：0 个问题

有两项编辑取舍记录在账本中，而不是悄悄做出：长 s（ſ）被现代化，以便 straight 和 shall 仍可搜索；∴ 和 ⊥ 是绘制出来的，因为正文所用字体没有这两个字形。

agent 校准了版画网格，描摹了两条曲线，并从每条序列中恢复出 81 个年度数值写入 data.csv。重建的图表只根据该文件绘制，其曲线落回原版画的位置，并在 1754 年如原图一样相交。该 PDF 中不包含任何位图图像。

可以，而且我们用四个模型做了测量。每个模型都拿到同样的简短请求（“把这些扫描页重建成一个干净的 PDF……”），各做两次：一次独立完成，一次配合本 skill。所用的文档都是该 skill 从未针对其调优过的：困难模式下包括工作表、表格、图表、流程图、表单和双栏文章，字体陌生、页面密集，其中一半是用手机斜着拍摄的照片，带有阴影，画面里还有桌子。每一页都对照其真值在文字、版式、图形和矢量占比上打分（1.0 为满分）。

长文档（skill v6）：两份 9 页文档，共 18 页，16 次运行 短文档包（skill v5）：六个 3 页文档包，共 18 页，48 次运行 长文档的耗时来自每个模型两份文档，因此仅供参考。

agent 在这项任务上的失败方式是可以预见的，而 skill 的每一部分都针对其中一种。

每个版本都在未曾调优过的页面上测量，其失败之处塑造了下一个版本。

原始数据在 bench/results/，基准测试代码在 bench/。

OCR 层（如 OCRmyPDF） PDF → Markdown（如 Marker、MinerU） scan-to-vector 输出 原始扫描件 + 隐藏文字 Markdown / JSON 重新排版的 PDF 页面外观 与扫描件完全一致 版式丢失 干净，接近原稿 图形与图表 仍为位图 提取为图像 重绘为矢量；图表数据被还原 来源与检查 无 无 页面账本、叠加审查、PDF 审计 速度 数秒 数秒到数分钟 agent 逐页处理

如果你只需要在扫描件上叠加可搜索文字，请使用 OCR 层：它更快也更便宜。当页面本身需要被重建时——要重新打印的工作表、带图表的手册、旧书、想找回其中数字的图表——请使用 scan-to-vector。

Claude Code 插件（推荐） 在 Claude Code 会话中： /plugin marketplace add 3351666087/scan-to-vector-skill /plugin install scan-to-vector@scan-to-vector-skill 在 shell 中，同样的两步是 claude plugin marketplace add 3351666087/scan-to-vector-skill 和 claude plugin install scan-to-vector@scan-to-vector-skill。之后用 claude plugin update scan-to-vector@scan-to-vector-skill 更新。插件 skill 会带有插件名前缀，因此该 skill 显示为 scan-to-vector:scan-to-vector；用自然语言请求它的效果是一样的。 curl -fsSL https://raw.githubusercontent.com/3351666087/scan-to-vector-skill/main/install.sh | bash install.sh 会把 skill 复制到 ~/.claude/skills 和/或 ~/.codex/skills，具体取决于机器上找到的 agent。要自行指定目标，可在命令末尾加上 | bash -s -- --claude、--codex 或 --dir DIR（任何其他客户端的 skills 文件夹）。再次运行会更新它安装过的副本。你编辑过的副本不会被改动，除非加上 --force，此时会先把它移到 skills 文件夹旁的 skill-backups/ 中。想在运行前阅读脚本，请克隆仓库并运行 ./install.sh。 插件和 ~/.claude/skills 中的副本只用其一，否则 Claude Code 会把该 skill 列两次。 git clone https://github.com/3351666087/scan-to-vector-skill.git Agent 命令 Claude Code mkdir -p ~/.claude/skills && cp -R scan-to-vector-skill/skills/scan-to-vector ~/.claude/skills/ Codex mkdir -p ~/.codex/skills && cp -R scan-to-vector-skill/skills/scan-to-vector ~/.codex/skills/ 其他 把 skills/scan-to-vector/ 复制到你的客户端加载 Agent Skills 的任意目录 Python 依赖 无论用哪种方式安装 skill，其脚本都需要 Python 3.10+ 以及 PyMuPDF、Pillow、numpy 和 scipy，另外还需要 tesseract 命令用于 OCR（缺失时 install.sh 会打印此提醒）： python3 -m pip install "PyMuPDF>=1.28.2,<2" "Pillow>=12.3.0" "numpy>=1.26" "scipy>=1.11" brew install tesseract # 或：sudo apt install tesseract-ocr 使用 用自然语言对你的 agent 说： 用 scan-to-vector 把 worksheet.pdf 重建为干净、可搜索的 PDF。 保留每道题目和答案的空白；把图形重绘为矢量，照片可以保留。 逐页对照扫描件检查，并告诉我缺失的页面或无法辨认的地方。

（原文较长，此处译出前 6000 字，完整内容请点「打开原文」。）