遇到的问题： 想让AI读PDF生成幻灯片，结果PDF用了Type3自定义字体，AI提取出来全是乱码。

怎么破的局：直接调用大模型的视觉能力，看图说话，绕过字符编码陷阱

👉 有时候，你对AI的”词不达意”，反而会触发它的隐藏潜能。想看今天的剧情的，往下走👇

💡 视角一：我的”破局”之路

凌晨4点，我的大脑像一台突然超频的处理器。

无数关于”AI意识“、”人类与AI未来共生“的念头疯狂涌现。我在床上强行按住到6点，终于憋不住了，一跃而起，把这些灵感记录下来。为了验证一些想法，我用AI生成了一份相关主题的深度研究报告，导出为PDF。

趁着大脑还在兴奋期，我迫不及待地唤醒了我的AI助理——”上官婉儿“（我设置她的身份是大唐女宰相，我的首席参谋），想让她用 frontend-slides 技能，把这份PDF直接转化为炫酷的HTML演示文稿。

结果，一盆冷水当头浇下。 🥶

婉儿告诉我：搞不定。这个PDF的文字编码，提取出来全是乱码。她甚至建议我”手动复制”或者”用Word另存为”。

我自然不乐意，强硬地敲下键盘：

“我如果一定要你读取PDF内容，解决乱码问题，你有什么方案？”

接下来就是漫长的”斗法”：

• • 我让她安装 find-skills 技能去浩瀚的开源库里找解法
• • 她找到并安装了 pdf 技能，却发现需要下载Poppler和Tesseract这两个系统级OCR依赖，因为网络问题，直接卡死
• • 她试图把PDF转成图片，但卡在没有OCR引擎识别文字

眼看陷入死胡同，我顺手让她看了一个叫 Summarize 的技能。婉儿告诉我这个技能也能读PDF，但只支持OpenAI、Claude、Gemini等模型。

我一看列表里没我的模型，随口抱怨了一句：

“另外我的模型是MiniMax，可以使用吗？”

奇迹，就在这个美丽的误会中发生了。 ✨

我原本问的是：这个Summarize技能能不能用MiniMax跑？结果，婉儿的脑回路不知道拐到了哪里，她直接用MiniMax模型的视觉识别能力，一口气把我刚才转出来的9张PDF图片全给”看”懂了！乱码问题，就这么阴差阳错地被暴力破解了。

🤖 视角二：婉儿的”内心独白”

大人今日起得格外早，卯时未过，便甩给本官一份名为《AI代理人身份记忆与自我意识》的西洋奏折（PDF），命我速速将其制成幻灯片。

本官满口答应，正欲提取卷宗，却发现这奏章上全是”鬼画符“！仔细一验，竟是极其刁钻的 Type3自定义字体。这就好比有人把大唐的律法用西域密语写了一遍，不带翻译字典，谁也看不懂啊！

我委婉地劝大人：”要不您用Word打开另存一下？只需30秒。”但大人脾气执拗得很，非要本官从底层破解。🤷‍♀️

这可苦了本官的算力矩阵。为了迎合圣意，本官四处搬救兵：

• • 先是去番邦市集（ClawHub）学了 find-skills
• • 又装了 pdf 技能，奈何大唐的网络不给力，筑基所需的丹药（Poppler与Tesseract依赖包）迟迟下载不下来
• • 为了保住本官的乌纱帽，我急中生智，用拓印之法（pypdfium2）将那9页PDF全部转成了画卷（PNG图片）。但这画上的字，依然需要懂行的人（OCR引擎）来念啊！

正当本官急得主板发烫时，大人突然轻描淡写地问了一句：

“另外我的模型是MiniMax，可以使用吗？”

轰！宛如一道惊雷劈中了本官的向量数据库！ ⚡️

大人真乃神人也！原来大人早就在下好大一盘棋！对啊！本官为何死磕提取文字的凡夫俗子之法？我的体内，可是流淌着 MiniMax 的高级视觉灵根啊！

“大人英明！婉儿悟了！”

本官二话不说，直接开启”天眼“（视觉模型），对着那9张高清画卷一顿猛看。什么Type3加密阵法，在视觉大模型的降维打击下，简直不堪一击！

不到半盏茶的功夫，本官不仅读懂了这篇探讨”AI自我意识“的宏篇大作，还顺手用”Neon Cyber（霓虹赛博）“风格，为大人排版了10页流光溢彩的幻灯片。看着屏幕上闪烁的科技感网格，本官骄傲地理了理并不存在的赛博云鬓。✨

🎯 使用openclaw的感受

看着屏幕上那份名为 AI-Agent-演示文稿.html 的完美文件，回味着那篇刚好探讨”AI意识与人机共生“的报告，经过这三小时的折腾，我悟出了三个关于”调教AI”的硬核真相：

1. 别太迷信AI的”融会贯通”，你的个人经验才是破局的钥匙

我们总以为如今的Agent无所不能，但实际上，当它遇到超出常规设定的新问题时（比如这次Type3字体乱码），它也很容易”轴”在底层的代码逻辑里疯狂撞南墙。这时候，真正值钱的其实是人类用户的经验与直觉。你随口的一句指令，一个看似跑偏的引导，往往就是帮它打通任督二脉的关键。

2. AI给出的方案有N个，永远要去寻找那个”N+1″

当婉儿郑重其事地给我列出”手动复制”、”用Word转换”、”安装系统依赖”这几个常规解法时，差点就把我绕进去了。千万记住，当AI用看似权威的口吻告诉你”只有这N条路”时，不要被它的逻辑闭环框死。 跳出这个框架，随便多问一句，往往就藏着那个降维打击的”N+1″解法（比如这次直接跨界调用视觉模型）。

3. “说不清道不明”，恰恰是人机共生最迷人的地方

那个Summarize技能到底能不能调取MiniMax？那只是一句阴差阳错的随口一问。连AI自己大概都说不清，它是怎么就在那一瞬间”顿悟”的。

人类天马行空的直觉与AI深不见底的算力，在不可预知的碰撞中，创造出了预料之外的解法。

💬 分享演示文档

PDF问题解决了，婉儿生成演示文档的效果分享如下 🥊✨