AI コーディングエージェントに PDF を読み込ませるために少し頑張ってみた

$ curl https://cursor.com/install -fsS | bash

$ cursor-agent --version
2025.11.25-d5b3271

$ cursor-agent

 │ @T-REC-G.711-198811-I!!PDF-E.pdf の1ページ目を読み込んでみて

  ⬢ Listed, read 1 directory, 1 file
    Listed .
    Read T-REC-G.711-198811-I!!PDF-E.pdf

  $ pip install pypdf Waiting for approval...

$ brew install --cask claude-code

$ claude --version
2.0.56 (Claude Code)

$ claude

> @T-REC-G.711-198811-I!!PDF-E.pdf の1ページ目を読み込んでみて 
  ⎿  Read T-REC-G.711-198811-I!!PDF-E.pdf (191.6KB)

⏺ PDFファイルの1ページ目を読み込みます。

⏺ Read(T-REC-G.711-198811-I!!PDF-E.pdf)
  ⎿  Read PDF (191.6KB)

⏺ PDFの1ページ目を読み込みました。以下が内容です:

  ITU-T Recommendation G.711

  表紙ページの内容:

  - 発行元: INTERNATIONAL TELECOMMUNICATION UNION (国際電気通信連合)
  - 部門: ITU-T (TELECOMMUNICATION STANDARDIZATION SECTOR OF ITU)
  - 規格番号: G.711

  タイトル:
  - GENERAL ASPECTS OF DIGITAL TRANSMISSION SYSTEMS (デジタル伝送システムの一般的側面)
  - TERMINAL EQUIPMENTS (端末設備)
  - PULSE CODE MODULATION (PCM) OF VOICE FREQUENCIES (音声周波数のパルス符号変調)

  文書情報:
  - ITU-T Recommendation G.711
  - (Extract from the Blue Book) - ブルーブックからの抜粋

  これは、音声通信で広く使われているG.711 PCM音声コーデックの国際標準規格文書です。電話音声の
  デジタル化方式(A-lawとμ-law)を定義した重要な文書となっています。

> @T-REC-G.711-198811-I!!PDF-E.pdf の5ページ目の表を読み込んでみて 
  ⎿  Read T-REC-G.711-198811-I!!PDF-E.pdf (191.6KB)

⏺ PDFの5ページ目には TABLE 1a/G.711 という表があります。これは A-law方式の正の入力値
  に関する詳細な変換表です。

  TABLE 1a/G.711 - A-law, positive input values

  表の構成は以下の8列から成ります:

  1. Segment number (セグメント番号): 1～7
  2. Number of intervals × interval size (区間数×区間サイズ):
    - セグメント1: 32 × 2
    - セグメント2: 16 × 4
    - セグメント3: 16 × 8
    - セグメント4: 16 × 16
    - セグメント5: 16 × 32
    - セグメント6: 16 × 64
    - セグメント7: 16 × 128
  3. Value at segment end points (セグメント終端点の値): 64, 128, 256, 512, 1024, 2048, 4096
  4. Decision value number n (判定値番号): 0～128
  5. Decision value xn (判定値): 0～4096
  6. Character signal before inversion of the even bits (偶数ビット反転前の8ビット信号):
  ビット1～8の組み合わせ
  7. Quantized value (yn) (量子化値): デコーダ出力での値
  8. Decoder output value number (デコーダ出力値番号): 1～128

  注記:
  - 4096の正規化値単位は Tmax = 3.14 dBm0 に対応
  - 偶数ビットを反転することでキャラクタ信号を得る
  - 均一コード(uniform code)の値は列3、5、7に記載

  この表は、アナログ音声信号をA-law PCMでデジタル化する際の詳細な変換規則を定義しています。

> @T-REC-H.265-202407-I!!PDF-E.pdf というファイルの1ページ目を読み込んでみて 
⏺ Read(T-REC-H.265-202407-I!!PDF-E.pdf)
  ⎿  Read PDF (11.6MB)

⏺ PDF too large. Please double press esc to edit your message and try again.

$ brew install gemini-cli

$ gemini --version
0.19.1

$ export GOOGLE_CLOUD_PROJECT="YOUR_PROJECT_ID"
$ export GOOGLE_CLOUD_LOCATION="YOUR_PROJECT_LOCATION"

$ gcloud auth application-default login

$ gemini

> @T-REC-G.711-198811-I\!\!PDF-E.pdf の1ページ目を読み込んでみて

✦ The first page of the PDF file "T-REC-G.711-198811-I!!PDF-E.pdf" contains the following information:

  Title: ITU-T G.711: PULSE CODE MODULATION (PCM) OF VOICE FREQUENCIES
  Organization: INTERNATIONAL TELECOMMUNICATION UNION (ITU-T, TELECOMMUNICATION STANDARDIZATION SECTOR OF ITU)
  Document Type: ITU-T Recommendation G.711 (Extract from the Blue Book)
  Subject: General aspects of digital transmission systems and terminal equipments.

> @T-REC-G.711-198811-I\!\!PDF-E.pdf の5ページ目の表を読み込んでみて

✦ The table on page 5 of the PDF file "T-REC-G.711-198811-I!!PDF-E.pdf" is "TABLE 1a/G.711 A-law, positive input values".

  It has the following columns:
   1. Segment number
   2. Number of intervals x interval size
   3. Value at segment end points
   4. Decision value number n
   5. Decision value xn (see Note 1)
   6. Character signal before inversion of the even bits (Bit number 1 2 3 4 5 6 7 8)
   7. Quantized value (value at decoder output) yn
   8. Decoder output value number

  Here are some of the rows from the table:

> @T-REC-H.265-202407-I\!\!PDF-E.pdf の1ページ目を読み込んでみて

✦ The first page of the PDF file "T-REC-H.265-202407-I!!PDF-E.pdf" contains the following information:

  International Telecommunication Union
  Standardization Sector

  Recommendation
  ITU-T H.265 (V10) (07/2024)

  SERIES H: Audiovisual and multimedia systems
  Infrastructure of audiovisual services – Coding of moving video

  High efficiency video coding

#!/usr/bin/env python3
# /// script
# requires-python = ">=3.10"
# dependencies = [
#     "pypdf",
# ]
# ///
"""PDFから特定のページを抽出するスクリプト"""

import argparse
from pypdf import PdfReader, PdfWriter

def main():
    parser = argparse.ArgumentParser(description="PDFから指定ページを抽出")
    parser.add_argument("input_pdf", help="入力PDFファイルのパス")
    parser.add_argument("output_pdf", help="出力PDFファイルのパス")
    parser.add_argument("start", type=int, help="開始ページ番号（1始まり）")
    parser.add_argument("count", type=int, help="抽出するページ数")
    args = parser.parse_args()

    reader = PdfReader(args.input_pdf)
    writer = PdfWriter()
    total_pages = len(reader.pages)

    start_index = args.start - 1  # 0始まりに変換
    end_index = start_index + args.count

    for index in range(start_index, end_index):
        if 0 <= index < total_pages:
            writer.add_page(reader.pages[index])
            print(f"ページ {index + 1} を追加")
        else:
            print(f"警告: ページ {index + 1} は範囲外です（総ページ数: {total_pages}）")

    with open(args.output_pdf, "wb") as f:
        writer.write(f)

    print(f"抽出完了: {args.output_pdf}")

if __name__ == "__main__":
    main()

uv run extract_pdf_pages.py T-REC-H.265-202407-I\!\!PDF-E.pdf temp.pdf 260

---
description: PDFの指定ページを抽出する
---

$ARGUMENTS を元に指定されたページをまず抽出します。以下がコマンドの例です。

uv run ~/.claude/scripts/extract_pdf_pages.py input.pdf output.pdf 260 5

260は抽出開始ページ、5は抽出ページ数です。

次に出力されたoutput.pdfを、claude codeで読み込みます。

読み込んだ結果をユーザに返しましょう。ユーザから質問がある場合はそれに回答してください。

> /pdf-page-extract @T-REC-H.265-202407-I!!PDF-E.pdf の260ページ目のフローチャートは何て書いてある？

⏺ PDFの260ページ目を抽出して読み込みます。

⏺ Bash(uv run ~/.claude/scripts/extract_pdf_pages.py "/Users/nakamura.shogo/repo/myapp/blog-claude-code-read-pdf/T-REC-H.265-202407-I!!PDF-E.pdf" "/Users/nakamura.shog…)
  ⎿  ページ 260 を追加            
     ページ 261 を追加
     ページ 262 を追加
     … +3 lines (ctrl+o to expand)

⏺ Read(output.pdf)
  ⎿  Read PDF (1.1MB)

⏺ 260ページ目（PDFの242ページ）には Figure 9-10 – Flowchart for encoding a decision というフローチャートが掲載されています。

  フローチャートの内容

  これはH.265/HEVCの算術符号化における「決定の符号化」のフローチャートです。

  処理の流れ：

  1. 開始: EncodeDecision(ctxTable, ctxIdx, binVal)
  2. 変数計算:
    - qRangeIdx = (ivlCurrRange >> 6) & 3
    - ivlLpsRange = rangeTabLps[pStateIdx][qRangeIdx]
    - ivlCurrRange = ivlCurrRange – ivlLpsRange
  3. 条件分岐: binVal != valMps?
    - Yes（LPS）の場合:
        - ivlLow = ivlLow + ivlCurrRange
      - ivlCurrRange = ivlLpsRange
      - さらに pStateIdx != 0? を確認
            - Yes: pStateIdx = transIdxLps[pStateIdx]
        - No: valMps = 1 – valMps
    - No（MPS）の場合:
        - pStateIdx = transIdxMps[pStateIdx]
  4. 再正規化: RenormE を呼び出し
  5. カウンタ更新: BinCountsInNalUnits++
  6. Done: 終了

  用途

  このフローチャートは、CABACエンコーダにおいてバイナリシンボル（0または1）を符号化する際の処理手順を示しています。確率状態（pStateIdx）に基づいてレンジを更新し、MPSかLPSかによって
  異なる処理を行います。

---
description: PDF内から指定された指示に関連づくものを抽出して回答をする
---

$ARGUMENTS を元にPDF内から指定された指示に関連づくものを抽出して回答をします。

PDFのページ内容は以下のようなカスタムコマンドで抽出可能です。

/pdf-page-extract

使用例は以下のようになっています。

/pdf-page-extract <PDFファイル名> の260ページ目のフローチャートは何て書いてある？

PDFファイルの先頭には、目次が記載されていることが多いため、まず pdf-page-extractコマンド で目次を抽出してください。
目次が全て見えない場合は、目次がもっと長い可能性もあります。

その後、指定された指示に関連づくものを抽出して回答をします。

> /pdf-search @T-REC-H.265-202407-I!!PDF-E.pdf からH.265/HEVCの算術符号化における「決定の符号化」について探して説明してください

⏺ PDFの目次を確認して、H.265/HEVCの算術符号化における「決定の符号化」に関連する部分を探します。

> /pdf-page-extract is running… @T-REC-H.265-202407-I!!PDF-E.pdf の1-15ページ目の目次を抽出 

⏺ Bash(uv run ~/.claude/scripts/extract_pdf_pages.py "T-REC-H.265-202407-I!!PDF-E.pdf" output_toc.pdf 1 15)
  ⎿  ページ 1 を追加               
     ページ 2 を追加
     ページ 3 を追加
     … +13 lines (ctrl+o to expand)

⏺ Read(output_toc.pdf)
  ⎿  Read PDF (6MB)

⏺ 目次を確認しました。算術符号化（CABAC）に関する「決定の符号化」（decoding a decision）は、第9章 Parsing process に記載されています。特に以下のセクションが関連します：

  - 9.3.4 Decoding process flow (227ページ)
  - 9.3.5 Arithmetic encoding process (informative) (240ページ)

  Figure 9-6「Flowchart for decoding a decision」(236ページ) が直接関連するフローチャートです。

  これらのページを抽出して詳細を確認します。

> /pdf-page-extract is running… @T-REC-H.265-202407-I!!PDF-E.pdf の236-245ページ目を抽出 

⏺ Bash(uv run ~/.claude/scripts/extract_pdf_pages.py "T-REC-H.265-202407-I!!PDF-E.pdf" output_cabac.pdf 236 10)
  ⎿  ページ 236 を追加            
     ページ 237 を追加
     ページ 238 を追加
     … +8 lines (ctrl+o to expand)

⏺ Read(output_cabac.pdf)
  ⎿  Read PDF (728.2KB)

⏺ 目次の確認から、「決定の符号化」(decoding a decision) の詳細は236ページ付近にあることがわかりましたが、抽出したページには主に二値化プロセス（binarization
  process）とデコードプロセスフローが含まれています。

  フローチャート（Figure 9-6）を含む詳細なページを取得するために、追加のページを抽出します。

> /pdf-page-extract is running… @T-REC-H.265-202407-I!!PDF-E.pdf の250-260ページ目を抽出 

⏺ Bash(uv run ~/.claude/scripts/extract_pdf_pages.py "T-REC-H.265-202407-I!!PDF-E.pdf" output_decision.pdf 250 11)
  ⎿  ページ 250 を追加            
     ページ 251 を追加
     ページ 252 を追加
     … +9 lines (ctrl+o to expand)

⏺ Read(output_decision.pdf)
  ⎿  Read PDF (1.1MB)

⏺ 「決定の符号化」（Decoding a Decision）に関する詳細な情報が見つかりました。以下にH.265/HEVCの算術符号化における「決定の符号化」について説明します。

  ---
  H.265/HEVCの算術符号化における「決定の符号化」(DecodeDecision)

  概要

  H.265/HEVCでは、CABAC（Context-based Adaptive Binary Arithmetic
  Coding）と呼ばれる算術符号化方式を使用しています。「決定の符号化」は、この算術復号エンジンの中核プロセスであり、セクション 9.3.4.3.2 に規定されています。

  基本原理

  算術符号化は再帰的区間分割の原理に基づいています：

  1. 二値決定（0または1）の確率推定 p(0) と p(1) = 1 - p(0) が与えられる
  2. 現在のコード区間（範囲: ivlCurrRange）が2つのサブ区間に分割される：
    - サブ区間1: p(0) * ivlCurrRange
    - サブ区間2: ivlCurrRange - p(0) * ivlCurrRange
  3. 観測された決定に応じて、対応するサブ区間が新しいコード区間として選択される

  重要な概念

  - MPS (Most Probable Symbol): 最も確率の高いシンボル
  - LPS (Least Probable Symbol): 最も確率の低いシンボル
  - 各コンテキストは以下で指定される：
    - pLPS: LPSの確率（pStateIdxで表現）
    - valMps: MPSの値（0または1）

  DecodeDecision のフローチャート（Figure 9-6より）

  DecodeDecision(ctxTable, ctxIdx)
          |
          v
  ┌─────────────────────────────────────────────────┐
  │ qRangeIdx = (ivlCurrRange >> 6) & 3            │
  │ ivlLpsRange = rangeTabLps[pStateIdx][qRangeIdx]│
  │ ivlCurrRange = ivlCurrRange - ivlLpsRange      │
  └─────────────────────────────────────────────────┘
          |
          v
      ┌───────────────┐
      │ivlOffset >=   │──Yes──> binVal = !valMps
      │ivlCurrRange?  │         ivlOffset = ivlOffset - ivlCurrRange
      └───────────────┘         ivlCurrRange = ivlLpsRange
          │No                        |
          v                          v
     binVal = valMps          ┌──────────────┐
     pStateIdx =              │pStateIdx==0? │──Yes──> valMps = 1 - valMps
     transIdxMps[pStateIdx]   └──────────────┘
          │                          │No
          v                          v
          └──────────────────> pStateIdx = transIdxLps[pStateIdx]
                                     |
                                     v
                                RenormD (再正規化)
                                     |
                                     v
                                   Done

  処理ステップ

  ステップ1: LPS範囲の導出
  qRangeIdx = (ivlCurrRange >> 6) & 3                    (式 9-64)
  ivlLpsRange = rangeTabLps[pStateIdx][qRangeIdx]        (式 9-65)

  ステップ2: 区間分割と決定
  - ivlCurrRange = ivlCurrRange - ivlLpsRange
  - ivlOffset >= ivlCurrRange の場合：
    - binVal = 1 - valMps（LPSが復号された）
    - ivlOffset = ivlOffset - ivlCurrRange
    - ivlCurrRange = ivlLpsRange
  - そうでなければ：
    - binVal = valMps（MPSが復号された）

  ステップ3: 状態遷移（式 9-66）
  if (binVal == valMps)
      pStateIdx = transIdxMps(pStateIdx)
  else {
      if (pStateIdx == 0)
          valMps = 1 - valMps    // MPS/LPSの反転
      pStateIdx = transIdxLps(pStateIdx)
  }

  主要なテーブル

  1. Table 9-52 (rangeTabLps): pStateIdx（0〜63）とqRangeIdx（0〜3）に基づくLPS範囲値
  2. Table 9-53 (状態遷移テーブル):
    - transIdxMps: MPS復号後の次の状態
    - transIdxLps: LPS復号後の次の状態

  HEVCの算術符号化エンジンの3つの特徴

  1. 有限状態機械による確率推定: 64個の代表的確率状態を持つテーブルベースの遷移プロセス。pStateIdx=0は確率0.5に対応し、状態インデックスが大きくなるほどLPS確率は減少
  2. 乗算不要の近似: ivlCurrRangeは{Q1,...,Q4}の4つの量子化値に量子化され、事前計算された64×4のテーブルを使用することで乗算演算を回避
  3. バイパスモード: 一様分布が仮定されるシンタックス要素には、簡略化されたバイパス符号化/復号化プロセスを使用（DecodeBypass - セクション 9.3.4.3.4）

  レジスタ精度

  - ivlCurrRangeとivlOffsetには最低9ビットの精度が必要
  - バイパス復号ではivlOffsetに最低10ビットの精度が必要