前言¶
DeepSeek Harness (DSH) 採用插件化架構。當需要在對話上下文中直接處理圖片中的文字時，通常需要手動複製文本或藉助外部工具。xby-ocr-pro 插件通過接入外部 OCR 服務，直接在聊天流中完成圖片內容的提取與識別。
插件定位¶
這是一個高精度文字識別插件，遵循 MIT 許可證。它接收包含文本的圖像輸入，自動檢測並識別其中的內容，適用於各類文檔、廣告牌、屏幕截圖等場景。
核心功能¶
插件提供以下三個主要能力：
- set_xby_apikey：在聊天中設置 API 密鑰，設置後自動持久化，重啓 DeepSeek Harness 進程後依然有效。
- ocr_pro：高精度文字識別。識別對象爲圖片文件鏈接。
- ocr_pro_for_data_base64：高精度文字識別。識別對象爲圖片文件的 BASE64 編碼。
- ocr_pro_for_data_file：高精度文字識別。識別對象爲圖片文件的文件路徑。
安裝與啓用¶
通過命令行安裝插件：
dsh plugin --profile web add github:xby_skill/xby-ocr-pro
安裝後，在 DSH 的對話界面中即可調用上述功能。
使用說明¶
使用前需準備 API 密鑰。用戶可前往小笨羊官網註冊並獲取密鑰，然後通過 set_xby_apikey 命令進行配置。
調用識別功能時，根據輸入數據類型選擇對應命令：
1. 使用圖片文件鏈接時，調用 ocr_pro。
2. 使用 BASE64 編碼時，調用 ocr_pro_for_data_base64。
3. 使用本地文件路徑時，調用 ocr_pro_for_data_file。
注意事項¶
- 權限依賴：插件以當前 DSH 進程的權限運行，請確保進程有權限讀取輸入的文件路徑。
- API 密鑰：必須先配置 API 密鑰才能進行識別。
- 輸入格式：不同的識別命令對輸入數據的格式要求不同，需嚴格匹配。
總結¶
xby-ocr-pro 解決了 DSH 上下文中直接讀取圖片內容的需求。對於需要從視覺信息中提取結構化文本的開發者，這是一個基礎的工程化工具。
GitHub 倉庫：https://github.com/xby_skill/xby-ocr-pro
