前言¶
做素材審覈、廣告合規或海報歸檔時，常見需求是從一張圖裏抽出可讀文字，並儘量保留每個文字塊在畫面中的位置。自己接 OCR SDK、處理旋轉和豎排、再封裝成 Agent 可調用的工具，步驟多、維護成本高。下面介紹 SkillHub 上的企業級 Skill「騰訊雲廣告文字識別」，把騰訊雲 AdvertiseOCR 接口封裝成 Agent 可按需調用的能力，在對話裏用自然語言完成「識圖取字」。
這是什麼¶
騰訊雲廣告文字識別（座標 @tencent-adm/tencentcloud-ocr-general，當前版本 1.0.3）是面向大模型 Agent 的接口調用技能，由 騰訊雲文字識別團隊 發佈，來源標註爲 enterprise，在 SkillHub 分類爲 design-media。
一句話定位：當用戶需要從圖片中識別文字內容時，Agent 應使用此技能，底層對應騰訊雲 AdvertiseOCR（廣告文字識別） 能力，而不是通用網頁爬蟲或本地 Tesseract 一類離線方案。
官方入口：
- API 文檔頁：https://api.skillhub.cn/tencent-adm/tencentcloud-ocr-general
- SkillHub 展示頁：https://www.skillhub.cn/skills/tencent-adm/tencentcloud-ocr-general
核心功能¶
以下能力均來自 Skill 官方簡介，未在資料中出現的細節不作延伸。
- 語種與排版：支持中英文；支持橫排、豎排及傾斜場景的圖片文字識別。
- 旋轉：支持 90°、180°、270° 翻轉場景的圖片識別。
- 返回結構：返回文本框位置與對應文字內容，便於後續對齊、高亮或結構化處理。
- 輸入方式：支持圖片 Base64 與 URL 兩種輸入。
Skill 標籤標明 requires_api_key=true，即使用前需具備騰訊雲文字識別相關 API 憑證，具體密鑰字段名與配置方式以安裝後包內 SKILL.md 爲準（本稿未抓取到包內全文，不在此處臆造環境變量名）。
安裝與啓用¶
SkillHub 頁面給出的安裝指引是：讓 Agent 參照 SkillHub 安裝與優先源配置，安裝 @tencent-adm/tencentcloud-ocr-general。下面按該文檔歸納可復現步驟。
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，可使用官方安裝腳本（完整安裝含 CLI 與默認 Skill；僅需 CLI 時加 --cli-only）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2、安裝本 Skill 到當前 Agent 的 skills 目錄¶
安裝時必須用 --dir 指向當前 Agent 實際識別的 skills 目錄；默認裝到 ./skills/ 可能不會被加載。官方文檔列出的常見路徑如下（按你使用的客戶端擇一）：
| 客戶端 | skills 目錄 |
|---|---|
| Claude Code | ~/.claude/skills/ |
| Cursor | ~/.cursor/skills/ |
| Codex | ~/.codex/skills/ 或項目下 .agents/skills/ |
| Windsurf | ~/.codeium/windsurf/skills/ 或 .windsurf/skills/ |
安裝命令形式爲：
skillhub install @tencent-adm/tencentcloud-ocr-general --dir <你的 skills 目錄>
也可先搜索再安裝：
skillhub search tencentcloud-ocr
skillhub install @tencent-adm/tencentcloud-ocr-general --dir <你的 skills 目錄>
3、配置 API 密鑰¶
標籤 requires_api_key=true 表示安裝後需按包內說明配置騰訊雲 API 密鑰，否則接口調用會失敗。完成配置後，按各 Agent 要求刷新或重啓，使新 Skill 生效。
典型用法¶
資料未提供獨立 CLI 示例腳本；該 Skill 的設計意圖是：當用戶在對話中提出從圖片識別文字（例如提供圖片 URL、本地圖轉 Base64，或上傳圖片路徑由 Agent 處理）時，Agent 讀取 SKILL 說明並調用 AdvertiseOCR，將識別結果（文字 + 框位置）返回給用戶或用於後續步驟。
可復現的交互起點示例（表述方式因 Agent 而異，核心是觸發 OCR 意圖）：
- 用戶提供可公網訪問的圖片 URL，並說明需要提取圖中全部文案及排版信息。
- 用戶提供 Base64 編碼的圖片數據，要求識別中英文混排或豎排廣告圖。
- 用戶提供經 90° / 180° / 270° 旋轉的掃描圖，要求校正識別。
具體請求參數名、鑑權頭與錯誤碼處理以安裝包內 SKILL.md 及騰訊雲 AdvertiseOCR 官方 API 文檔爲準。
適用場景與注意¶
適合誰
- 已在用 Cursor、Claude Code、Codex 等支持 Skills 的開發者，希望在 Agent 工作流裏直接做廣告圖、海報、素材圖 OCR。
- 需要框級結果（而不僅是純文本串）的場景，例如合規比對、區域標註。
使用注意
- 計費與配額：調用的是騰訊雲線上 OCR 接口，需開通相應產品並關注賬號配額與費用；Skill 本身不替代雲側計費規則。
- 密鑰安全：
requires_api_key=true，勿將 SecretId、SecretKey 等寫入公開倉庫；按 SKILL 推薦方式放在本地或密鑰管理服務中。 - 輸入合規：URL 需可被服務端拉取；Base64 需注意體積與格式限制，以 API 文檔爲準。
- 選型邊界：簡介明確爲 廣告文字識別（AdvertiseOCR） 場景；若需求是通用印刷體、票據、身份證等其它 OCR 產品線，應選用騰訊雲對應接口或其它 Skill，避免誤用。
截至資料抓取時，SkillHub 上該 Skill 評分 100000，下載 8315 次，安裝 903 次（頁面數據會隨時間變化，以 SkillHub 實時展示爲準）。
結尾¶
騰訊雲廣告文字識別 把 AdvertiseOCR 封裝成 @tencent-adm/tencentcloud-ocr-general，在 Agent 側用統一 Skill 完成中英文、多排版與旋轉場景下的識圖取字，並返回框位置與文本。安裝走 SkillHub CLI 並配置 API 密鑰即可接入。
- SkillHub：https://www.skillhub.cn/skills/tencent-adm/tencentcloud-ocr-general
- 官方 API 頁：https://api.skillhub.cn/tencent-adm/tencentcloud-ocr-general
