$ loading_
帮助你导入 PDF 并进行语义检索问答，返回带来源引用的答案。
这是一个声明为本地运行的开源 PDF 知识检索 MCP 工具，材料中未见需要密钥或远程端点，整体风险偏低。主要注意点在于其会在本机执行代码并处理本地 PDF/索引数据，且来源为第三方、仓库采用度和维护信息较弱。
材料明确标注无需密钥或环境变量，未见 API token、账号凭证或高敏感秘密的申请与使用描述；基于现有材料，凭证泄露/滥用面较小。
材料标注无远程端点，功能描述为本地 RAG、TF-IDF 与余弦相似度检索，未见将用户 PDF 或查询发送到外部服务的证据。
系统检查项已确认该 MCP 会执行代码；作为 MCP 工具，其在本机运行服务进程属常规能力。材料未显示其申请异常系统权限或执行与 PDF 检索无关的高危操作，因此更适合评为需留意而非高风险。
按其声明功能，工具需要读取本地 PDF、摄取文档并可能生成本地索引/缓存以支持语义搜索和问答；这是该类工具的常规数据访问范围。材料未说明写入位置、目录范围或隔离机制，建议限制其可见文件范围。
有公开 GitHub 仓库可供审计，这是正面因素；但来源为 third_party_registry，许可证未声明、社区采用为 0 star、维护状态未知，可信度与成熟度信号较弱。当前未见闭源外传或明显恶意红旗，故以需留意为宜。
复制安装指令，让 AI 自动完成配置 · 推荐新手
"pdf-knowledge-mcp" 暂无可直接复制的安装信息，请查看页面文档或源码仓库。
请导入这个项目的 PDF 技术文档，然后回答：系统的认证流程是怎样的？请给出简明总结，并附上对应页码或原文引用。
返回基于文档内容的认证流程总结，并附带可追溯的引用信息。
请导入这些 PDF，并检索与“向量数据库性能优化”最相关的段落，按相关度排序输出，每条附来源信息。
输出按相关度排序的匹配片段列表，每条都带文档来源与引用位置。
请根据已导入的 PDF 回答：该方案支持哪些部署方式？如果文档没有明确说明，请直接指出，并不要编造内容。
给出有依据的答案；若信息不足，明确说明缺失，并附相关引用。
为 VS Code/Copilot 提供可索引并检索网页、PDF与TeX知识的 RAG 工具。