前言¶
在對話裏貼截圖、發掃描件或丟一張帶 URL 的配圖，很常見。若每次都手寫 OCR 腳本、調 REST、再拼座標和正文，Agent 的上下文會被流程佔滿，識別質量還取決於你選的接口和參數。
下面介紹 SkillHub 上的企業技能包 騰訊雲文字識別（通用高精度版）（@tencent-adm/tencentcloud-ocr）。它把騰訊雲「通用文字識別（高精度版）」封裝成 Agent 可加載的 Skill：用戶發圖、貼圖、給圖片鏈接或明確要求「識別文字」時，由模型按技能說明自動走識別，並返回文字框位置與內容，適合版式複雜、字數多、對準召率要求偏高的場景。
這是什麼¶
騰訊雲文字識別（通用高精度版） 是騰訊雲文字識別團隊發佈的企業來源（enterprise）技能，當前版本 v1.0.5，在 SkillHub 分類爲 knowledge-management（知識管理）。
技能座標：@tencent-adm/tencentcloud-ocr。官方說明頁：https://api.skillhub.cn/tencent-adm/tencentcloud-ocr；SkillHub 展示頁：https://www.skillhub.cn/skills/tencent-adm/tencentcloud-ocr。
與「臨時寫一段調用代碼」相比，它的價值在於：觸發條件、能力邊界和返回形態寫在 SKILL.md 裏，Agent 在合適時機自動選用，減少重複造輪子。
核心功能¶
以下能力均來自 SkillHub 與已抓取資料中的技能簡介，未列出的接口字段或參數不在本文展開。
- 觸發方式：用戶發送或粘貼圖片、提供圖片 URL，或要求識別圖片中的文字時，應自動調用此技能。
- 識別範圍：支持圖像整體文字的檢測與識別；支持中文、英文、中英文混合、數字及特殊符號。
- 返回內容：返回文字框位置與對應文字內容。
- 場景定位：適用於文字較多、版式複雜、對識別準召率要求較高的場景。
- 憑證要求：標籤標明
requires_api_key=true，使用前需配置騰訊雲文字識別相關 API 密鑰（具體環境變量名以技能包內SKILL.md爲準）。
安裝與啓用¶
安裝流程遵循 SkillHub 通用說明：https://skillhub.cn/install/skillhub.md。
1、檢查或安裝 SkillHub CLI¶
先確認本機是否已有 skillhub：
command -v skillhub && skillhub --version
若未安裝，可按官方文檔執行完整安裝（CLI + 默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
僅需 CLI 時：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安裝技能到當前 Agent 的 skills 目錄¶
安裝時必須用 --dir 指向當前 Agent 識別的 skills 目錄；默認裝到 ./skills/ 可能不會被加載。
skillhub install @tencent-adm/tencentcloud-ocr --dir <你的 skills 目錄>
也可按 SkillHub 頁面提示，讓 AI 根據 skillhub.md 安裝 @tencent-adm/tencentcloud-ocr。
常見客戶端 skills 路徑（摘自官方安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
安裝後按所用客戶端要求重啓或刷新技能列表，並按要求配置 API Key。
典型用法¶
技能設計爲「對話驅動」，沒有單獨再列一套與 SkillHub 頁面不一致的 CLI 子命令。典型交互如下。
- 在已啓用技能的 Agent 中粘貼一張含文字的圖片，或發送可訪問的圖片 URL。
- 用自然語言說明需求，例如：「識別圖中的全部文字」「按閱讀順序輸出，並標出每段的位置」。
- Agent 根據
SKILL.md調用騰訊雲通用高精度 OCR，將識別結果（含文字框與文本）整理後回覆。
若需批量或流水線處理，仍可在業務代碼中直接調用騰訊雲 OCR API；本技能主要解決 在 Agent 會話裏自動、按需觸發識別 的問題。
適用場景與注意¶
適合誰
- 需要在 Cursor、Claude Code、Codex 等支持 Skills 的環境裏，把「看圖識字」變成默認能力的產品或內部工具開發者。
- 文檔截圖、表格照片、海報混排等版式複雜、字數多的素材，且希望用騰訊雲高精度通用 OCR 而不是自研規則。
使用注意
- 須開通騰訊雲文字識別服務並配置 API 密鑰；未配置時技能無法完成真實調用。
- 圖片 URL 需可被調用方訪問；本地路徑是否支持取決於技能包內實現，以安裝的
SKILL.md爲準。 - SkillHub 頁面顯示評分爲 100000，下載約 15857 次（統計以 SkillHub 展示爲準）。企業來源技能的功能與計費以騰訊雲官方文檔爲準。
結尾¶
騰訊雲文字識別（通用高精度版） 把高精度通用 OCR 封裝成 Agent Skill：發圖、貼鏈或口頭要求識別時自動調用，返回框位與文本，便於知識整理與複雜版式識讀。安裝與目錄配置見 SkillHub 安裝說明，技能詳情見 https://api.skillhub.cn/tencent-adm/tencentcloud-ocr。
