前言¶
DeepSeek Harness (DSH) 采用插件化架构。当需要在对话上下文中直接处理图片中的文字时，通常需要手动复制文本或借助外部工具。xby-ocr-pro 插件通过接入外部 OCR 服务，直接在聊天流中完成图片内容的提取与识别。
插件定位¶
这是一个高精度文字识别插件，遵循 MIT 许可证。它接收包含文本的图像输入，自动检测并识别其中的内容，适用于各类文档、广告牌、屏幕截图等场景。
核心功能¶
插件提供以下三个主要能力：
- set_xby_apikey：在聊天中设置 API 密钥，设置后自动持久化，重启 DeepSeek Harness 进程后依然有效。
- ocr_pro：高精度文字识别。识别对象为图片文件链接。
- ocr_pro_for_data_base64：高精度文字识别。识别对象为图片文件的 BASE64 编码。
- ocr_pro_for_data_file：高精度文字识别。识别对象为图片文件的文件路径。
安装与启用¶
通过命令行安装插件：
dsh plugin --profile web add github:xby_skill/xby-ocr-pro
安装后，在 DSH 的对话界面中即可调用上述功能。
使用说明¶
使用前需准备 API 密钥。用户可前往小笨羊官网注册并获取密钥，然后通过 set_xby_apikey 命令进行配置。
调用识别功能时，根据输入数据类型选择对应命令：
1. 使用图片文件链接时，调用 ocr_pro。
2. 使用 BASE64 编码时，调用 ocr_pro_for_data_base64。
3. 使用本地文件路径时，调用 ocr_pro_for_data_file。
注意事项¶
- 权限依赖：插件以当前 DSH 进程的权限运行，请确保进程有权限读取输入的文件路径。
- API 密钥：必须先配置 API 密钥才能进行识别。
- 输入格式：不同的识别命令对输入数据的格式要求不同，需严格匹配。
总结¶
xby-ocr-pro 解决了 DSH 上下文中直接读取图片内容的需求。对于需要从视觉信息中提取结构化文本的开发者，这是一个基础的工程化工具。
GitHub 仓库：https://github.com/xby_skill/xby-ocr-pro
