第一步：选 PDF 转 Markdown 的工具

向 AI 提出任务需求，让 AI 回答：

这个任务分哪几步？每一步的作用是什么？

先验证哪一步最容易？验证的标准是什么？

得到答案后，再根据任务步骤，选择具体的解决方案和工具。

比如，这个 PDF 转 Markdown 再翻译的自动化过程主要分成：PDF 转 Markdown；英文翻译成中文。

英文翻译成中文对于 AI 来说不是难事，难点在于 PDF 转 Markdown 的工具选择上。

AI 给出的 PDF 转 Markdown 方案不一定是最佳的，还需要在 GitHub 或者公众号上找找是否有更好的解决方案。各个方案对比如下：

工具	优点	问题
anydoc	速度快、分类准	npm 预编译，不用担心 Python 版本问题
MinerU 在线 API	支持扫描页、公式提取	文件要上传云端，还有负号变汉字的 bug
Python 官方库栈	已安装	表格提取能力弱（TEDS 0.49）

让 AI 对比分析：使用 Python 官方库栈，整个工具需要自己编写，费劲；MinerU 在线 API 需要把文件上传云端；而 anydoc 是 npm 预编译，直接一条命令即可安装：

用 npm 安装anydoc

npm install -g @firecrawl/anydoc

验证

anydoc --version

第二步：验证 PDF 转 Markdown

探索阶段，手动验证能够快速试错，找到可行的路。如果在还没确认“这条路走得通”之前就修路，可能会修一条死路。

选择两个简单的方案——MinerU 在线 API、anydoc——进行验证，分别用 MinerU 在线 API、anydoc 转一个真实的 PDF，看看输出是什么样的。发现 MinerU 在线 API、anydoc 这两个方案皆可行，但 anydoc 安装简单，全本地部署，不用上云，隐私性好，且可直接使用。最后，选择了 anydoc。

第三步：验证翻译质量

把 anydoc 的输出截取一段，扔给 Claude，检查翻译质量。

第四步：把手动验证的过程固定下来，变成可复用的工具

这一步，我犯了一个错误，把所有的裁判权交给了 AI：因为不懂编程，所以，把写代码的任务全丢给了 AI，Python 模块一次性写完 300+ 行，然后一次性端到端测试，结果 AI 在错误方向上撞了很久；所有的问题，还在最后测试时全部爆发出来。

正确做法：

先问全貌：这次任务分哪几步？

AI 的每个输出，我需要判断是否接受

如果不知道怎么判断，就问：“这一步做完后，我怎么验证它成功了？”

如果 AI 给的方案超出我的理解范围，就说：“我不懂这个方案，你先告诉我它分哪几步，每一步做什么。”

每写完一个功能就验证

比如，第一步只写 PDF 转 MD，然后马上验证，验证成功后，再加翻译功能，并测试翻译功能。

虽然中间的道路是曲折的，但最终还是得到了一套可以复用的 CLI。