# 有一份几百页的 PDF，想随口提问？它让 AI 一页页"看"完再回答你—— deepseek-v4-flash-vision-rag 介绍

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。

---

![配图：AI一页页看完整本PDF](assets/deepseek-v4-flash-vision-rag/01.png)

## 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。

![配图：扫描件图表表格也看得懂](assets/deepseek-v4-flash-vision-rag/02.png)

## 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。

## 闲鱼接单文案

> 以下服务展示在闲鱼 / 淘宝服务市场发布，用于承接本 skill 的定制开发订单。

**标题：PDF智能问答skill定制开发（视觉大模型/扫描件也能问）**

**描述：**

专注 AI Agent 技能（skill）定制开发，现成作品可先看演示再下单。基于 DeepSeek 视觉大模型的 PDF 深度问答技能：AI 一页页"看"完整份 PDF 建立视觉索引，之后随口提问，答案带 `[第N页]` 页码引用并附命中页原图，扫描版、图表、表格、代码块都能看懂，还自动生成双击即开的网页版预览。支持按你的业务场景定制页码引用格式、批量文档管理、私有知识库接入等。

**服务内容：**

- 1、需求沟通梳理：先聊清楚你的文档类型（手册 / 合同 / 财报 / 论文 / 扫描件）、提问场景和引用格式要求，列明功能清单后再动手
- 2、skill交付内容和格式：视觉索引构建 + 三级检索问答（粗筛 / 精排 / 深读）+ 页码引用 + 命中页原图 + 自包含 HTML 预览的完整技能工程
- 3、项目功能/系统开发：按你的业务定制多文档批量索引、缓存管理、权限接入、问答结果导出等流程的开发与联调
- 4、skill源码交付：SKILL.md 技能说明 + Python 脚本 + 参考文档 + 使用演示，兼容 codex / workbuddy 等 agent。全部源码 + 安装部署说明，交付后可自行修改维护