前言¶

DeepSeek Harness (DSH) 的核心理念是“一切皆插件”。在構建智能體時，經常會遇到需要從圖片中提取文字的場景，比如解析文檔、識別廣告牌信息或提取截圖內容。xby-ocr 插件就是爲了解決這一類視覺理解需求而設計的。

插件定位¶

xby-ocr 是一個 DSH 插件，由 xby-skill 維護。它提供文本識別 OCR 功能，專注於兼顧速度與精度，能夠處理各類包含文本的圖像，適用於文檔、廣告牌、屏幕截圖等場景。

核心功能¶

插件主要包含以下功能點：

1. set_xby_apikey
   在聊天中設置 API 密鑰。該操作會自動持久化，重啓 DSH 後依然有效。

2. ocr
   輸入圖片文件鏈接，進行文字識別。

3. ocr_for_data_base64
   輸入圖片文件的 BASE64 編碼，進行文字識別。

4. ocr_for_data_file
   輸入圖片文件的文件路徑，進行文字識別。

安裝與啓用¶

在終端中執行以下命令即可完成安裝。建議使用官方倉庫進行安裝。

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

安裝完成後，插件即被加載到 DSH 環境中。

配置與使用¶

獲取 API 密鑰¶

在使用 OCR 功能前，需要先前往小笨羊官網註冊並獲取 API 密鑰。

設置密鑰¶

在 DSH 的聊天界面中，使用 set_xby_apikey 命令設置獲取到的密鑰。例如：

set_xby_apikey your_api_key_here

識別圖片¶

根據你的圖片存儲方式，選擇對應的功能調用：

• 圖片文件鏈接：使用 ocr 命令，輸入圖片的 URL 地址。

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

• 圖片 BASE64 編碼：使用 ocr_for_data_base64 命令，直接粘貼圖片的 BASE64 字符串。
• 本地文件路徑：使用 ocr_for_data_file 命令，輸入圖片在系統中的絕對路徑。

注意事項¶

1. 輸入要求：ocr、ocr_for_data_base64、ocr_for_data_file 三個功能均需要提供圖片數據。
2. 源碼檢查：在安裝社區插件前，建議檢查其源碼與許可證（MIT）。
3. 信息來源：插件目錄地址爲 https://www.skillhub.cn/plugins/xby-skill/xby-ocr，GitHub 倉庫地址爲 https://github.com/xby_skill/xby-ocr。

結語¶

xby-ocr 通過提供多種輸入方式（URL、Base64、文件路徑），簡化了在 DSH 中集成 OCR 能力的流程。如果你需要處理視覺信息，可以直接參考上述目錄或 GitHub 倉庫。