前言¶

DeepSeek Harness (DSH) 的核心理念是“一切皆插件”。在构建智能体时，经常会遇到需要从图片中提取文字的场景，比如解析文档、识别广告牌信息或提取截图内容。xby-ocr 插件就是为了解决这一类视觉理解需求而设计的。

插件定位¶

xby-ocr 是一个 DSH 插件，由 xby-skill 维护。它提供文本识别 OCR 功能，专注于兼顾速度与精度，能够处理各类包含文本的图像，适用于文档、广告牌、屏幕截图等场景。

核心功能¶

插件主要包含以下功能点：

1. set_xby_apikey
   在聊天中设置 API 密钥。该操作会自动持久化，重启 DSH 后依然有效。

2. ocr
   输入图片文件链接，进行文字识别。

3. ocr_for_data_base64
   输入图片文件的 BASE64 编码，进行文字识别。

4. ocr_for_data_file
   输入图片文件的文件路径，进行文字识别。

安装与启用¶

在终端中执行以下命令即可完成安装。建议使用官方仓库进行安装。

dsh plugin --profile web add github:xby_skill/xby-ocr

安装完成后，插件即被加载到 DSH 环境中。

配置与使用¶

获取 API 密钥¶

在使用 OCR 功能前，需要先前往小笨羊官网注册并获取 API 密钥。

设置密钥¶

在 DSH 的聊天界面中，使用 set_xby_apikey 命令设置获取到的密钥。例如：

set_xby_apikey your_api_key_here

识别图片¶

根据你的图片存储方式，选择对应的功能调用：

• 图片文件链接：使用 ocr 命令，输入图片的 URL 地址。

    ocr https://example.com/document.png

• 图片 BASE64 编码：使用 ocr_for_data_base64 命令，直接粘贴图片的 BASE64 字符串。
• 本地文件路径：使用 ocr_for_data_file 命令，输入图片在系统中的绝对路径。

注意事项¶

1. 输入要求：ocr、ocr_for_data_base64、ocr_for_data_file 三个功能均需要提供图片数据。
2. 源码检查：在安装社区插件前，建议检查其源码与许可证（MIT）。
3. 信息来源：插件目录地址为 https://www.skillhub.cn/plugins/xby-skill/xby-ocr，GitHub 仓库地址为 https://github.com/xby_skill/xby-ocr。

结语¶

xby-ocr 通过提供多种输入方式（URL、Base64、文件路径），简化了在 DSH 中集成 OCR 能力的流程。如果你需要处理视觉信息，可以直接参考上述目录或 GitHub 仓库。