扫描书 OCR

把原始扫描 PDF 视为证据源，把 OCR 文本视为可搜索的派生层。默认运行固定版本的本地 pdf-inspector + PP-OCRv6 Small，不会上传页面。

运行前检查

• 当前固定运行时仅支持 Apple Silicon macOS（arm64），使用 Python 3.12 或更新版本。
• 质量抽检需要 Poppler 的 pdftoppm；旋转纠错使用 macOS 自带 sips。先检查命令可用，缺失时说明依赖，不自动进行全局安装。
• 从本 SKILL.md 所在目录解析脚本路径；输入 PDF、基准报告和输出目录由任务指定，输出放在 skill/仓库目录之外。
• 只发布通用代码与合成样例。PDF、OCR 正文、纠错文件、含本地绝对路径的 manifest/基准报告、QA 图片与运行时缓存都留在本地，不随 skill 提交。

核心约束

• 质量优先：先冻结模型、300 DPI 与文本规范化，再调页面并发。候选并发的逐页文本必须与单进程基线逐字节一致，否则淘汰。
• 保留页码：每页独立落盘，合并文本必须含 === PDF_PAGE NNNN === 标记。
• 可审计：manifest.json 记录原 PDF SHA-256、运行时版本、配置、逐页哈希、置信度、警告和耗时。
• 已完成结果可复用：转换命令检查来源哈希、运行时、DPI 和页数后返回已有 manifest；之后必须运行 validate 校验逐页及合并文件。当前不支持中途断点续跑；运行中断后保留原目录排查，使用新的输出目录重跑。
• 精确引文回看原页：OCR 可支持整书理解和候选检索，最终引用仍须核对 PDF 页面。