Image OCR Skill

将图片中的文字提取出来，让不支持视觉的模型（如 Qwen-Coder）也能"看懂"图片内容。

When to Use

Use This Skill When

• 需要提取图片中的文字内容
• 识别代码截图并格式化
• 将表格图片转换为结构化数据
• 让纯文本模型处理图片内容
• 批量处理图片文字提取
• OCR识别扫描文档

Do NOT Use This Skill If

• 图片清晰度太低（建议300dpi以上）
• 需要识别手写体（准确率较低）
• 图片包含敏感或私人信息
• 需要实时OCR大量图片

Typical Trigger Phrases

Chinese:

• "识别图片文字"
• "OCR提取"
• "代码截图识别"
• "图片转文字"
• "提取图中文字"
• "批量OCR"

English:

• "Extract text from image"
• "OCR recognition"
• "Recognize code screenshot"
• "Image to text"
• "Batch OCR processing"
• "Scan document OCR"

Workflow

Step 1: 选择OCR引擎

Step 2: 配置引擎

# config.json
{
  "ocr_engine": "paddle",
  "language": "ch_sim",
  "save_temp": false
}

Step 3: 执行OCR

from skills.image_ocr.scripts.ocr import recognize

result = recognize("/path/to/image.png")
print(result.text)

Step 4: 后处理

• 代码格式化
• 表格结构化
• 语言检测

Guardrails

Anti-Patterns

• ❌ 处理低分辨率图片
• ❌ 不验证识别结果准确性
• ❌ 频繁调用云端API（有费用）
• ❌ 不处理识别错误的情况

Limitations

• 手写体识别准确率较低
• 复杂排版可能丢失格式
• 艺术字体识别困难
• 需要适当的图片预处理

Best Practices

1. 图片质量: 确保300dpi以上分辨率
2. 光线充足: 避免阴影和反光
3. 文字清晰: 确保文字与背景对比度高
4. 结果验证: 关键内容人工复核

Installation

# PaddleOCR（推荐）
pip3 install paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple

# 或完整版
pip3 install paddlepaddle paddleocr

Core Capabilities

• 🖼️ 支持多种图片格式（PNG、JPG、WEBP、GIF）
• 🔤 中英文混合识别
• 💻 代码截图专用优化
• 📊 表格/结构化数据提取

Usage

Command Line

# 基本用法
python3 skills/image-ocr/scripts/ocr.py /path/to/image.png

# 带选项
python3 skills/image-ocr/scripts/ocr.py /path/to/image.png --format markdown --save

Python API

from skills.image_ocr.ocr_engine import OCREngine

ocr = OCREngine(engine="paddle")
result = ocr.recognize("image.png")

print(result.text)           # 完整文字
print(result.blocks)         # 文字块详情
print(result.confidence)     # 置信度

Output Formats

Default (Plain Text)

这是图片中的文字内容：
第一行文字
第二行文字

Markdown Format

## 图片内容识别结果

def hello(): print("Hello World")

表格数据：
| 列1 | 列2 |
|-----|-----|
| A   | B   |

JSON Format

{
  "text": "完整文字",
  "blocks": [
    {"text": "第一块", "confidence": 0.98, "position": [x1,y1,x2,y2]},
    {"text": "第二块", "confidence": 0.95, "position": [x1,y1,x2,y2]}
  ],
  "language": "ch_sim"
}

Code Screenshot Optimization

针对代码截图的特殊处理：

# 自动检测代码并格式化
ocr_result = ocr.recognize(image_path)
if is_code_screenshot(ocr_result):
    formatted = format_as_code(ocr_result)

Features:

• 自动检测缩进
• 修复OCR常见符号错误（0→O，1→l）
• 识别代码语言（Python、JS、Java等）

Configuration

{
  "ocr_engine": "paddle",
  "baidu_api_key": "your_key",
  "baidu_secret_key": "your_secret",
  "language": "ch_sim",
  "save_temp": false
}

Integration with OpenClaw

Option A: Auto Image-to-Text (Recommended)

if message.type == "image":
    image_path = download_image(message.file_key)
    ocr_result = run_skill("image-ocr", image_path)
    text_prompt = f"用户发了一张图片，内容是：\n{ocr_result}\n请根据以上内容回答..."
    response = query_model("qwen-coder", text_prompt)

Option B: Explicit Call

用户：帮我识别这张图里的代码
[图片]
Agent：我来识别一下...
[调用 ocr skill]
Agent：图片里的代码是：...

Troubleshooting

Q: PaddleOCR安装失败？

# 使用 Conda 安装
conda install paddlepaddle -c conda-forge
pip install paddleocr

Q: 识别准确率不高？

• 检查图片清晰度（300dpi以上）
• 尝试不同的 language 配置
• 对于手写体，建议使用百度/腾讯OCR API

Q: 支持多语言吗？

• PaddleOCR默认支持中英，可扩展日韩等
• 百度/腾讯API支持更多语言

Related Skills

File Structure

skills/image-ocr/
├── SKILL.md
├── config.json           # 配置文件
├── ocr_engine.py         # OCR引擎封装
├── post_processor.py     # 后处理（代码格式化等）
└── scripts/
    └── ocr.py           # CLI入口

Changelog

• v1.0 (2026-02-11): 初始版本，支持 PaddleOCR 和百度OCR

About UniqueClub

Part of the UniqueClub toolkit - a collection of skills for AI-powered content creation and automation.