前言¶
日常开发里，错误弹窗、设计稿标注、会议 PPT 截图往往只有像素，没有可选中的文字。手动抄录慢，把图丢给通用对话又容易漏格式。若希望 Coding Agent 按固定流程读图、出纯文本，需要一份写进 SKILL.md 的说明，而不是每次临时口述。
下面介绍 SkillHub 社区 Skill ocr-screen（坐标 @user_25ab92ec/ocr-screen，当前版本 1.0.0）。它在商店中的简介是「截图文字识别」，分类为 office-efficiency，子类包含文档处理与 PDF 处理；标签标明 requires_api_key=false，无需单独配置 API Key。
这是什么¶
ocr-screen 是发布者 user_25ab92ec 上传的社区来源（source: community）Skill，通过通用 Agent Skill 格式（SKILL.md + 入口脚本）指导模型：对本地截图/图片做 OCR，输出可复制文本。包内 skill.json 将入口指向 src/main.py，Python 要求 >=3.9.0。
SkillHub 页面：https://www.skillhub.cn/skills/user_25ab92ec/ocr-screen
API 资源地址：https://api.skillhub.cn/user_25ab92ec/ocr-screen
核心功能¶
依据已下载的官方 Zip 包（ocr-screen-1.0.0）中的 SKILL.md 与 src/main.py，可核对的能力如下。
- 中英文识别：
SKILL.md声明支持ocr_chinese、ocr_english；脚本默认语言为chi_sim+eng（Tesseract）。 - 图片格式：
main.py支持.png、.jpg、.jpeg、.bmp、.webp。 - 命令行提取：可对单张图片识别，并通过
--output/-o写入文本文件；--lang可改识别语言。 - Skill 文档中的扩展能力：
SKILL.md列出斜杠命令/ocr、/ocr-table，以及表格识别、批量处理；是否在具体 Agent 中映射为斜杠命令，取决于该客户端的 Skill 实现。表格与批量流程以 Skill 正文为准。 - PDF：脚本对
.pdf会提示需额外依赖，建议改用其他服务；若你的场景以 PDF 为主，需先确认依赖是否已按 Skill 说明补齐。
依赖（SKILL.md）：pytesseract、Pillow；系统还需安装 Tesseract OCR（Linux 示例为 tesseract-ocr 包，macOS 为 brew install tesseract）。
安装与启用¶
官方页面提供两种常见路径：让 AI 按安装文档操作，或使用 SkillHub CLI / Zip 包。
方式一：提示词安装（SkillHub 推荐文案）¶
将下面意图发给当前 Agent（与官网安装卡片一致）：
请根据 https://skillhub.cn/install/skillhub.md，安装 @user_25ab92ec/ocr-screen。
安装文档要求：使用 skillhub install 时必须加 --dir，指向当前 Agent 的 skills 目录，否则默认装到 ./skills/ 可能不会被识别。
方式二：SkillHub CLI¶
先确认是否已安装 CLI：
command -v skillhub && skillhub --version
未安装时可执行（完整安装，含默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安装本 Skill 时，将 <skills 目录> 换成你使用的客户端路径，例如：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下.agents/skills/
skillhub install user_25ab92ec/ocr-screen --dir ~/.cursor/skills/
（路径请按实际 Agent 调整；文档见 https://skillhub.cn/install/skillhub.md 第四节。）
方式三：Zip 包¶
SkillHub 详情页提供 1.0.0 Zip 下载（链接形如 https://api.skillhub.cn/api/v1/download?slug=@user_25ab92ec/ocr-screen）。解压后把 Skill 目录放到对应 Agent 的 skills 路径即可。
Python 依赖¶
首次跑 OCR 前，按 SKILL.md 安装 Python 与系统依赖：
pip install pytesseract pillow
# Ubuntu/Debian 还需要：
sudo apt-get install tesseract-ocr
# macOS:
brew install tesseract
典型用法¶
Skill 文档中的斜杠命令示例¶
SKILL.md 给出的用法为：
/ocr screenshot.png
/ocr-table form.jpg
在支持 Skill 斜杠命令的客户端中，可对 Agent 说明图片路径，让其按 Skill 流程调用。
入口脚本（包内 src/main.py）¶
在 Skill 目录下，也可直接调用入口脚本（与 skill.json 的 entry_point 一致）：
python src/main.py screenshot.png
python src/main.py screenshot.png -o result.txt
python src/main.py screenshot.png --lang chi_sim+eng
识别结果会打印到终端；指定 -o 时会额外写入 UTF-8 文本文件。
SKILL.md 还提到输出可包含纯文本，并可选导出 Word/Excel；具体步骤以 Skill 正文与 Agent 执行结果为准（商店页 overviewMd 当前为空，无额外概述）。
适用场景与注意¶
适合谁
- 需要在 Cursor、Claude Code 等环境里，把截图、界面图里的中英文转成可编辑文本。
- 希望用固定 Skill 约束 Agent：先装 Tesseract 依赖，再读本地图片，而不是每次描述一遍 OCR 流程。
限制与注意
- 社区 Skill：来源为 community，作者未在 SkillHub 显示认证标识；使用前请自行评估脚本内容与权限（包内
permissions含file_access）。 - 识别质量：依赖 Tesseract 与图片清晰度，复杂版式、手写体可能不准。
- PDF / 表格：PDF 在现版
main.py中未完整实现；表格能力以SKILL.md声明为准，部署后建议用样例图自测。 - 商店数据（抓取时）：评分 100000；下载 7034 次、安装 228 次；SkillHub 安全扫描状态为 benign（页面 JSON）。数据会随时间变化，请以官网为准。
结尾¶
ocr-screen 把「截图 → 文本」收敛成可安装的 Agent Skill：免 API Key，靠 pytesseract 与本地 Tesseract 完成中英文 OCR，并附带 CLI 与文档中的 /ocr 用法。若你经常在 Agent 会话里处理截图文字，可按上文安装到对应 skills 目录后试用。
官方地址：https://api.skillhub.cn/user_25ab92ec/ocr-screen
SkillHub 展示页：https://www.skillhub.cn/skills/user_25ab92ec/ocr-screen
