前言¶
日常開發裏，錯誤彈窗、設計稿標註、會議 PPT 截圖往往只有像素，沒有可選中的文字。手動抄錄慢，把圖丟給通用對話又容易漏格式。若希望 Coding Agent 按固定流程讀圖、出純文本，需要一份寫進 SKILL.md 的說明，而不是每次臨時口述。
下面介紹 SkillHub 社區 Skill ocr-screen（座標 @user_25ab92ec/ocr-screen，當前版本 1.0.0）。它在商店中的簡介是「截圖文字識別」，分類爲 office-efficiency，子類包含文檔處理與 PDF 處理；標籤標明 requires_api_key=false，無需單獨配置 API Key。
這是什麼¶
ocr-screen 是發佈者 user_25ab92ec 上傳的社區來源（source: community）Skill，通過通用 Agent Skill 格式（SKILL.md + 入口腳本）指導模型：對本地截圖/圖片做 OCR，輸出可複製文本。包內 skill.json 將入口指向 src/main.py，Python 要求 >=3.9.0。
SkillHub 頁面：https://www.skillhub.cn/skills/user_25ab92ec/ocr-screen
API 資源地址：https://api.skillhub.cn/user_25ab92ec/ocr-screen
核心功能¶
依據已下載的官方 Zip 包（ocr-screen-1.0.0）中的 SKILL.md 與 src/main.py，可覈對的能力如下。
- 中英文識別：
SKILL.md聲明支持ocr_chinese、ocr_english；腳本默認語言爲chi_sim+eng（Tesseract）。 - 圖片格式：
main.py支持.png、.jpg、.jpeg、.bmp、.webp。 - 命令行提取：可對單張圖片識別，並通過
--output/-o寫入文本文件；--lang可改識別語言。 - Skill 文檔中的擴展能力：
SKILL.md列出斜槓命令/ocr、/ocr-table，以及表格識別、批量處理；是否在具體 Agent 中映射爲斜槓命令，取決於該客戶端的 Skill 實現。表格與批量流程以 Skill 正文爲準。 - PDF：腳本對
.pdf會提示需額外依賴，建議改用其他服務；若你的場景以 PDF 爲主，需先確認依賴是否已按 Skill 說明補齊。
依賴（SKILL.md）：pytesseract、Pillow；系統還需安裝 Tesseract OCR（Linux 示例爲 tesseract-ocr 包，macOS 爲 brew install tesseract）。
安裝與啓用¶
官方頁面提供兩種常見路徑：讓 AI 按安裝文檔操作，或使用 SkillHub CLI / Zip 包。
方式一：提示詞安裝（SkillHub 推薦文案）¶
將下面意圖發給當前 Agent（與官網安裝卡片一致）：
請根據 https://skillhub.cn/install/skillhub.md，安裝 @user_25ab92ec/ocr-screen。
安裝文檔要求：使用 skillhub install 時必須加 --dir，指向當前 Agent 的 skills 目錄，否則默認裝到 ./skills/ 可能不會被識別。
方式二：SkillHub CLI¶
先確認是否已安裝 CLI：
command -v skillhub && skillhub --version
未安裝時可執行（完整安裝，含默認 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安裝本 Skill 時，將 <skills 目錄> 換成你使用的客戶端路徑，例如：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下.agents/skills/
skillhub install user_25ab92ec/ocr-screen --dir ~/.cursor/skills/
（路徑請按實際 Agent 調整；文檔見 https://skillhub.cn/install/skillhub.md 第四節。）
方式三：Zip 包¶
SkillHub 詳情頁提供 1.0.0 Zip 下載（鏈接形如 https://api.skillhub.cn/api/v1/download?slug=@user_25ab92ec/ocr-screen）。解壓後把 Skill 目錄放到對應 Agent 的 skills 路徑即可。
Python 依賴¶
首次跑 OCR 前，按 SKILL.md 安裝 Python 與系統依賴：
pip install pytesseract pillow
# Ubuntu/Debian 還需要：
sudo apt-get install tesseract-ocr
# macOS:
brew install tesseract
典型用法¶
Skill 文檔中的斜槓命令示例¶
SKILL.md 給出的用法爲：
/ocr screenshot.png
/ocr-table form.jpg
在支持 Skill 斜槓命令的客戶端中，可對 Agent 說明圖片路徑，讓其按 Skill 流程調用。
入口腳本（包內 src/main.py）¶
在 Skill 目錄下，也可直接調用入口腳本（與 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
識別結果會打印到終端；指定 -o 時會額外寫入 UTF-8 文本文件。
SKILL.md 還提到輸出可包含純文本，並可選導出 Word/Excel；具體步驟以 Skill 正文與 Agent 執行結果爲準（商店頁 overviewMd 當前爲空，無額外概述）。
適用場景與注意¶
適合誰
- 需要在 Cursor、Claude Code 等環境裏，把截圖、界面圖裏的中英文轉成可編輯文本。
- 希望用固定 Skill 約束 Agent：先裝 Tesseract 依賴，再讀本地圖片，而不是每次描述一遍 OCR 流程。
限制與注意
- 社區 Skill：來源爲 community，作者未在 SkillHub 顯示認證標識；使用前請自行評估腳本內容與權限（包內
permissions含file_access）。 - 識別質量：依賴 Tesseract 與圖片清晰度，複雜版式、手寫體可能不準。
- PDF / 表格：PDF 在現版
main.py中未完整實現；表格能力以SKILL.md聲明爲準，部署後建議用樣例圖自測。 - 商店數據（抓取時）：評分 100000；下載 7034 次、安裝 228 次；SkillHub 安全掃描狀態爲 benign（頁面 JSON）。數據會隨時間變化，請以官網爲準。
結尾¶
ocr-screen 把「截圖 → 文本」收斂成可安裝的 Agent Skill：免 API Key，靠 pytesseract 與本地 Tesseract 完成中英文 OCR，並附帶 CLI 與文檔中的 /ocr 用法。若你經常在 Agent 會話裏處理截圖文字，可按上文安裝到對應 skills 目錄後試用。
官方地址：https://api.skillhub.cn/user_25ab92ec/ocr-screen
SkillHub 展示頁：https://www.skillhub.cn/skills/user_25ab92ec/ocr-screen
