零代码文档驱动大模型开发---AI办公助手系列-PDF 的签字、合并、加密

项目概览

一、项目需求

PDF 是我们每天都在打交道的格式:合同要签字、资料要标重点、几份文件要合并成一份、扫描件要提取文字……我们能不能自己做一个工具出来呢？

二、项目功能

查看与标注:

页面与文件管理:

进阶处理:

三、藏在功能背后的思维链(重点)

PDF 编辑看着是"画几个框、写几个字"的体力活,但真做起来,有两个坑很能体现工程思维。

决策一:标注为什么"换个设备打开就错位"?——钦定唯一坐标基准

给 PDF 加高亮、签名,最容易出的问题是位置对不上:你在屏幕上明明标在第三行,导出后却飘到了别的地方;或者换个缩放比例打开,标注就移位了。

根源和上一篇 PDF 转 Word 是同一个:屏幕上看到的是缩放后的坐标(原点在左上角),而 PDF 文件内部用的是原生坐标(原点在左下角)。两把尺子不一样,一旦混用,必然错位。

我定了一条铁律:所有标注,一律以"PDF 原生坐标"为唯一真相。你在屏幕上点哪、框哪,先换算回PDF 原生坐标再存下来。这样不管你之后用多大缩放、在哪台设备打开,标注永远待在它该在的位置。

思维沉淀:系统里只要存在多套坐标/单位/口径,就必须钦定一个作为"唯一真相",所有输入先归一化到它再存储。图省事在多套标准之间来回临时换算,迟早会错位。这个原则,在做图形、做数据、做任何"多来源"系统时都成立。

决策二:压缩会卡死界面?——重活不许放在用户眼皮底下

有损压缩(把页面转成图片再重建)是很耗计算的操作。我第一版直接在界面里做,结果:点一下压缩,整个软件卡住转圈,鼠标都动不了,几秒钟像死机一样。

体验太差。我把它改成了流水线:界面这一层只干轻活(读文件、逐页转图),真正耗时的重活丢到后台去异步处理,处理完再把结果送回界面。这样用户全程能流畅操作,不会被卡住。

思维沉淀:任何耗时的重活,都不能放在"用户正盯着的那条线"上。界面线程只负责响应用户,脏活累活交给后台。这是所有交互软件流畅的底层逻辑——用户可以等,但不能"卡"。

一个额外的坑:出错了,要说人话

开发中发现:已经加密的 PDF,是没法直接合并或拆分的。早期版本遇到这种文件会直接抛一堆技术报错,用户一脸懵。

后来我改成:提前检测——发现是加密文件,就友好地提示"这份 PDF 已加密,请先解密再操作",而不是让程序崩给用户看。

思维沉淀:健壮的软件不是"从不出错",而是"出错时用户能听懂发生了什么"。把可预见的失败提前拦住、用人话解释清楚,远比事后甩一堆红色报错有用。

四、下篇内容及文档分享

配套项目文档，在AI办公助手总项目中一起分享；下一篇是这个系列的重头戏:我让 AI 能直接"动手"改文档、填表格——不只是聊天,而是真的替你干活。更重要的是,我会把"怎么和大模型对话才靠谱"这套思维链完整拆给你看。