前言¶
做自动化脚本或对话式助手时，经常要把截图、扫描件、现场照片里的字变成可编辑文本。自己接 OCR SDK 要处理模型选型、区域检测和接口封装；纯靠大模型「看图猜字」在版式复杂或字号较小时也不稳定。下面介绍 SkillHub 上的社区 Skill「文本识别 OCR」（坐标 @user_628f4cb3/ocr），把「输入带字图像 → 检测并识别」收敛成 Agent 可调用的能力，在速度与精度之间做兼顾。
这是什么¶
「文本识别 OCR」是 SkillHub 分类 design-media 下的社区 Skill（来源 community），当前版本 1.0.0，发布者为 user_628f4cb3。
官方简介：兼顾速度与精度的文字识别；输入包含文本的图像，自动检测并识别内容；适用于各类文档、广告牌、屏幕截图等场景。
Skill 采用通用 SKILL.md 格式，安装后由 Agent 读取技能说明并按其中步骤调用后端能力。页面标签标明 requires_api_key=true，使用前需按技能文档完成 API Key 相关配置（具体字段名以安装包内 SKILL.md 为准）。
核心功能¶
依据 SkillHub 公开说明，可核实的能力如下：
- 图像输入：接受包含文字内容的图片（文档页、招牌、屏幕截图等）。
- 自动检测：在图像中定位文本区域，无需用户手动框选（能力描述来自官方简介）。
- 文字识别：对检测到的区域输出识别结果，供后续检索、翻译或入库。
未在官方页面单独列出的参数（语言列表、输出格式、批量接口等）本文不展开，避免与实现不一致。
安装与启用¶
通过 SkillHub CLI 安装（推荐）¶
先确认本机是否已有 skillhub：
command -v skillhub && skillhub --version
若未安装，可按 SkillHub 安装文档执行 CLI 安装（完整安装或仅 CLI）：
# 完整安装（CLI + 默认 Skill，推荐）
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
# 仅安装 CLI
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安装技能时必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/ 可能不会被客户端加载。示例：
skillhub install user_628f4cb3/ocr --dir <你的 Agent skills 目录>
常用客户端 skills 路径（摘自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
将 <你的 Agent skills 目录> 替换为上面对应路径即可。安装后按客户端要求重启或刷新技能列表。
通过对话让 AI 安装¶
SkillHub 页面提供的提示词为：请根据 https://skillhub.cn/install/skillhub.md，安装 @user_628f4cb3/ocr。把该句发给支持 Skill 安装的 Agent，并确认最终技能落在上述 skills 目录。
API Key¶
该 Skill 标记为需要 API Key。安装完成后打开技能目录内的 SKILL.md，按文档配置密钥；未配置时识别请求通常会失败，这一点在接入前应单独验证。
典型用法¶
公开页面未附带独立 REST 示例；实际使用以安装后的 SKILL.md 与 Agent 对话为主。可复现的流程如下：
- 完成安装，并配置 API Key。
- 在对话中附上本地图像路径，或上传/粘贴截图、文档照片。
- 明确任务，例如：「用文本识别 OCR 识别这张图里的全部文字，按阅读顺序输出。」
- Agent 按 Skill 说明调用识别能力，将图像中的文本以字符串（或 Skill 文档规定的结构）返回，供你复制、翻译或写入文件。
若需核对技能元数据，可在 SkillHub 打开技能页查看版本与简介；技能 API 入口为 https://api.skillhub.cn/user_628f4cb3/ocr（与商店页 https://www.skillhub.cn/skills/user_628f4cb3/ocr 对应）。
适用场景与注意¶
适合谁
- 需要在 Cursor、Claude Code、Codex 等环境里快速做截图/文档图 OCR，又不想每次手写调用代码的开发者。
- 处理广告牌、屏幕截图、纸质文档拍照等「图里有字」的常见场景（与官方简介一致）。
限制与注意
- 社区来源：
community技能由发布者维护，升级与兼容性以 SkillHub 页面版本为准（当前 1.0.0）。 - 依赖 API Key：
requires_api_key=true，需自行申请或配置密钥，并注意调用配额与费用（细则见SKILL.md）。 - 安装环境：在受限网络下安装 CLI 或拉取技能包可能需要允许访问 SkillHub 相关域名；若
skillhub install返回 404，以商店页状态为准，稍后再试或联系平台。 - 数据与合规：识别内容可能涉及隐私或版权文档，上传前应遵守所在团队的数据外发政策。
SkillHub 抓取元数据显示：评分 100000，下载 10161 次（统计随平台更新，以页面为准）。
结尾¶
「文本识别 OCR」把文档、招牌、截图等场景下的检测与识别封装成 Agent Skill，适合在已有对话工作流里补一层稳定的文字抽取。安装时记住 --dir 指向正确的 skills 目录，并完成 API Key 配置。
- SkillHub 技能页：https://www.skillhub.cn/skills/user_628f4cb3/ocr
- 技能 API 入口：https://api.skillhub.cn/user_628f4cb3/ocr
- SkillHub 安装说明：https://skillhub.cn/install/skillhub.md
