夜雨聆风摘要：PDF转Word总是排版崩、字体乱？分享我用WorkBuddy做的转换技能，能保持原版式还免费。文本型PDF直接反查真字体字号，扫描型走OCR加Agnes视觉模型兜底，附公文、表格、扫描件实测对比，全程不花一分钱。
为啥要开发这个技能
前两天帮朋友转一份公文。他在某度搜了个"PDF转Word"的在线站，传上去，下来一个Word。打开一看——红头没了，字号全变成小四，表格歪了三行，落款直接跑到了第二页。他问我这能用吗，我说别用了，重做吧。
市面上的转换器，十个有九个只在转上做文章，没在还原上下功夫。版式、字体、字号，转完就给你归一化成默认样式，看着像那么回事，实际上没法用。
我在 WorkBuddy 里搓了个技能
后来我花了两天的时间，用 WorkBuddy 自己搓了个转换技能。在封装这个技能的时候，我发现PDF转Word，要保持原有版式不变，还真不是一件容易的事，这也是我为啥花了两天的时间才调试完的原因。
（因为后续可能还要增加批量处理功能，所以暂时没有开源，有需要的，评论区留下邮箱，咱们一起开发）
我把这个技能命名为：pdf-smart-parse，其中parse，是指我调用了英伟达的模型NVIDIA nemotron-parse，这个模型是免费的，但功能强大，OCR不含糊，尤其是表格的提取，真是精准。但也可能是因为是免费模型，自身还是有一丢丢缺陷，后面会说。
其中的smart，是指技能智能化，遇到不同的PDF处理会按照不同的路径进行处理，每条路径如果遇到问题，还会触发兜底方案。每次PDF转Word，都会智能对每个文档智能精修，尽量还原成原有版式。
最关键的是，全程免费。
接来实操PDF转Word。
智能识别 PDF 类型
pdf-smart-parse拿到PDF后，首先会智能识别PDF的类型，主要分两种，一种是文本型的，一种是扫描型的。
文本型的，就是那种能选中文字的 PDF。这种最简单也最爽：直接用 PyMuPDF 把里面每个字的真实字体名、字号、坐标读出来。我第一次看到它能读出"仿宋 15.95pt"这种原件真值的时候，就知道这路走对了。保真度最高，连 OCR 都不用走。
扫描型的，文字是烧在图片里的，PDF 里压根没有文字层。这种走三步：先用 NVIDIA 的 nemotron 做 OCR；要是碰到密密麻麻的小字它提不动（真的会返回空结果），就换 Agnes 2.5 视觉模型兜底去看图；最后用智能精修把 Word 搭出来，黑体标题、仿宋正文，版式 1:1 贴着原件。
一张表说清：
拿真文件跑了一遍
说空话没用，今天拿几份真文件跑了。接下来展示转换效果，左边是PDF原件，右边是转换后的Word，这个Word文档就是直接生成的效果，没有手动调整，可以看得出来，与原有版式非常接近。
公文版 PDF的识别：红头红色加粗、文号、标题，转出来单页，全对。
（公文不便展示，我用公司的文件做替代展示）
PDF表格提取：合并单元格、行高、页脚页码，都在。
文字密度高扫描件的转换，可能是因为免费模型的原因，英伟达的这个OCR遇到字体小且密密麻麻的，会有偶发性的跑空，这时会启发兜底方案，换 Agnes，稳稳拿下。
关键是全程免费
敢说免费，是因为链路上的每一环都不用花钱。OCR 用 NVIDIA nemotron-parse，免费；兜底用 Agnes，也是免费的；解析层用 pypdf，开源。三个都不花钱，所以转一份和转一百份，成本是一样的——都是零。
NVIDIA nemotron-parse要去申请英伟达官网申请api，地址：
https://build.nvidia.com，用国内邮箱即可注册。
Agnes也要申申请api，参考我的这篇文章
Hy3限免8月结束，我给 Hy3 找了个平替模型，workbuddy可长期免费用
不管是NVIDIA nemotron-parse还是Agnes，拿到api后丢给WorkBuddy，让WorkBuddy帮你配置好就可以用了。
技能有边界，老实说
当然也有做不到的，我老实说。
扫描件本身没有字体信息，遇到方正小标宋这种特殊字体，我只能还原成黑体/仿宋的视觉层级，不是 100% 原字体。
现在这版还是"一份一调"的手调精修，批量自动化我还在做。
还有，AI 看图偶尔会认错数字或生僻字，重要文件建议你过一眼复核。
这些我后面都会写。
想试？一句话的事
因为后续还要升级，所以暂时没有开源，当然，你可以按照我的步骤调试然后封装。如果你不嫌弃这个技能还不够完美的话，留下邮箱，我发给你，咱们一起开发。
能看到这里的，说明你对WorkBuddy是真感兴趣，想用WorkBuddy辅助自己做点事。那么我这个公众号或许对你有点用。
📌 我的公众号在做什么？
我一直在写WorkBuddy相关的教程，内容分三个方向：