有一份几百页的 PDF，想随口提问？它让 AI 一页页"

代码仓库：https://github.com/liangdabiao/deepseek-v4-flash-vision-rag

你手上是不是也有这样的 PDF：几百页的产品手册、合同、财报、论文、说明书。想找某个参数在哪一页，用阅读器的搜索框搜半天，搜出来的要么不是你要的，要么扫描版根本搜不出来；图表里的数字、表格里的条款，普通搜索更是完全无能为力。你真正想要的是：像问一个读过整份文件的人那样，随口一问，对方告诉你答案在第几页，还把那一页原图翻给你看。

deepseek-v4-flash-vision-rag 就是来解决这件事的。

它用 DeepSeek 的视觉大模型，把 PDF 的每一页当成一张图片去"看"——不是提取文字，是真的看页面。所以排版结构、图表、表格、代码块、扫描件的印章和手写体，它都能看懂。你提问之后，它回答时会带着 [第N页] 这样的页码引用，并把命中的那一页原图直接展示给你，答案对不对，你一眼就能核对。

---

它到底能做什么

• 建一次索引，反复提问：第一次处理一份 PDF 需要几分钟（120 页约 3–5 分钟），之后所有提问都是秒级响应，索引会缓存复用。

• 回答带页码引用：每个答案后面跟着 [第N页]，方便你翻回原 PDF 对照。

• 命中页原图展示：把答案引用的页面截图直接给你，还会生成一个双击就能打开的网页预览（答案 + 全部引用页都打包在里面，不用联网）。

• 看懂"搜不出来"的内容：扫描版、图表、表格、代码块，这些传统文字搜索的盲区，它都按画面理解。

• 粗筛 + 精排 + 深读的三级流程：先本地快速筛出候选页（零费用），再视觉精排挑出最相关的几页，最后只对命中页深读作答——既省钱又准。

• 想直接翻某几页也行：指定页码，它把那几页渲染成高清图给你。

怎么用

你需要在 AI 助手（如 codex / workbuddy 等 agent）里装好这个技能，并配好 DeepSeek 的 API Key。之后全程说人话：

场景 1：问手册里的参数

你：这份空调说明书，滤网多久换一次？

AI：它翻完索引后告诉你"建议每 3 个月更换 [第14页]"，并把第 14 页原图发给你，上面就印着这条说明。

场景 2：查合同条款

你：这份合同里违约金是怎么约定的？

AI：它引用对应页码作答，并把那几页原文截图给你，让你自己核对措辞，不怕它编。

场景 3：读扫描版报告

你：这份盖章的竣工报告，验收结论是什么？

AI：即使是纯扫描图片、一个字都搜不出来的 PDF，它照样"看"出结论并给出页码。

谁适合用

• 经常和长文档打交道的人：律师、财务、采购、研究员、学生。

• 手里有一堆扫描版资料（纸质盖章件、老档案）想数字化提问的人。

• 需要让 AI 回答"可核查"的人——答案必须带页码、能给原图，不接受模型张口就来。

一点说明

它是一套 AI 技能（skill），不是双击打开的 App。你需要把它装进支持技能的 AI 助手里使用，并自备 DeepSeek API Key（按调用量付费，建一次索引约几毛到几块钱，之后提问很便宜）。视觉理解基于 DeepSeek 官方接口，能力以官方文档为准。