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。

核心能力

🖼️ 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

快速开始

1. 安装依赖

# 安装 PaddleOCR（首次使用需要）
pip3 install paddleocr -i https://pypi.tuna.tsinghua.edu.cn/simple

# 或安装轻量版（推荐，模型更小）
pip3 install paddlepaddle paddleocr

2. 配置（可选）

编辑 config.json：

{
  "ocr_engine": "paddle",  // paddle | baidu | tencent
  "baidu_api_key": "your_key",
  "baidu_secret_key": "your_secret",
  "language": "ch_sim",  // ch_sim | en | ch_tra
  "save_temp": false     // 是否保存临时文件
}

3. 使用

# 命令行
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

在 OpenClaw 中集成

方案A：图片自动转文字（推荐）

修改你的 Agent 配置，在收到图片消息时自动调用 OCR：

# 在消息处理逻辑中添加
if message.type == "image":
    # 下载图片
    image_path = download_image(message.file_key)
    
    # OCR提取文字
    ocr_result = run_skill("image-ocr", image_path)
    
    # 把文字喂给 Qwen-Coder
    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)

方案B：显式调用

用户主动要求识别图片：

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

输出格式

默认格式（纯文本）

这是图片中的文字内容：
第一行文字
第二行文字
第三行文字

Markdown 格式（--format markdown）

## 图片内容识别结果

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

表格数据：

列1	列2
A	B


### JSON 格式（--format json）
```json
{
  "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"
}

代码截图优化

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)

特性：

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

文件结构

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

常见问题

Q: PaddleOCR 安装失败？

# 使用 Conda 安装（解决依赖冲突）
conda install paddlepaddle -c conda-forge
pip install paddleocr

Q: 识别准确率不高？

检查图片清晰度（建议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

更新记录

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