前言¶
做自動化腳本或對話式助手時，經常要把截圖、掃描件、現場照片裏的字變成可編輯文本。自己接 OCR SDK 要處理模型選型、區域檢測和接口封裝；純靠大模型「看圖猜字」在版式複雜或字號較小時也不穩定。下面介紹 SkillHub 上的社區 Skill「文本識別 OCR」（座標 @user_628f4cb3/ocr），把「輸入帶字圖像 → 檢測並識別」收斂成 Agent 可調用的能力，在速度與精度之間做兼顧。
這是什麼¶
「文本識別 OCR」是 SkillHub 分類 design-media 下的社區 Skill（來源 community），當前版本 1.0.0，發佈者爲 user_628f4cb3。
官方簡介：兼顧速度與精度的文字識別；輸入包含文本的圖像，自動檢測並識別內容；適用於各類文檔、廣告牌、屏幕截圖等場景。
Skill 採用通用 SKILL.md 格式，安裝後由 Agent 讀取技能說明並按其中步驟調用後端能力。頁面標籤標明 requires_api_key=true，使用前需按技能文檔完成 API Key 相關配置（具體字段名以安裝包內 SKILL.md 爲準）。
核心功能¶
依據 SkillHub 公開說明，可覈實的能力如下：
- 圖像輸入：接受包含文字內容的圖片（文檔頁、招牌、屏幕截圖等）。
- 自動檢測：在圖像中定位文本區域，無需用戶手動框選（能力描述來自官方簡介）。
- 文字識別：對檢測到的區域輸出識別結果，供後續檢索、翻譯或入庫。
未在官方頁面單獨列出的參數（語言列表、輸出格式、批量接口等）本文不展開，避免與實現不一致。
安裝與啓用¶
通過 SkillHub CLI 安裝（推薦）¶
先確認本機是否已有 skillhub：
command -v skillhub && skillhub --version
若未安裝，可按 SkillHub 安裝文檔執行 CLI 安裝（完整安裝或僅 CLI）：
# 完整安裝（CLI + 默認 Skill，推薦）
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
# 僅安裝 CLI
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
安裝技能時必須用 --dir 指向當前 Agent 的 skills 目錄，否則默認落在 ./skills/ 可能不會被客戶端加載。示例：
skillhub install user_628f4cb3/ocr --dir <你的 Agent skills 目錄>
常用客戶端 skills 路徑（摘自 SkillHub 安裝文檔）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或項目下的.agents/skills/
將 <你的 Agent skills 目錄> 替換爲上面對應路徑即可。安裝後按客戶端要求重啓或刷新技能列表。
通過對話讓 AI 安裝¶
SkillHub 頁面提供的提示詞爲：請根據 https://skillhub.cn/install/skillhub.md，安裝 @user_628f4cb3/ocr。把該句發給支持 Skill 安裝的 Agent，並確認最終技能落在上述 skills 目錄。
API Key¶
該 Skill 標記爲需要 API Key。安裝完成後打開技能目錄內的 SKILL.md，按文檔配置密鑰；未配置時識別請求通常會失敗，這一點在接入前應單獨驗證。
典型用法¶
公開頁面未附帶獨立 REST 示例；實際使用以安裝後的 SKILL.md 與 Agent 對話爲主。可復現的流程如下：
- 完成安裝，並配置 API Key。
- 在對話中附上本地圖像路徑，或上傳/粘貼截圖、文檔照片。
- 明確任務，例如：「用文本識別 OCR 識別這張圖裏的全部文字，按閱讀順序輸出。」
- Agent 按 Skill 說明調用識別能力，將圖像中的文本以字符串（或 Skill 文檔規定的結構）返回，供你複製、翻譯或寫入文件。
若需覈對技能元數據，可在 SkillHub 打開技能頁查看版本與簡介；技能 API 入口爲 https://api.skillhub.cn/user_628f4cb3/ocr（與商店頁 https://www.skillhub.cn/skills/user_628f4cb3/ocr 對應）。
適用場景與注意¶
適合誰
- 需要在 Cursor、Claude Code、Codex 等環境裏快速做截圖/文檔圖 OCR，又不想每次手寫調用代碼的開發者。
- 處理廣告牌、屏幕截圖、紙質文檔拍照等「圖裏有字」的常見場景（與官方簡介一致）。
限制與注意
- 社區來源：
community技能由發佈者維護，升級與兼容性以 SkillHub 頁面版本爲準（當前 1.0.0）。 - 依賴 API Key：
requires_api_key=true，需自行申請或配置密鑰，並注意調用配額與費用（細則見SKILL.md）。 - 安裝環境：在受限網絡下安裝 CLI 或拉取技能包可能需要允許訪問 SkillHub 相關域名；若
skillhub install返回 404，以商店頁狀態爲準，稍後再試或聯繫平臺。 - 數據與合規：識別內容可能涉及隱私或版權文檔，上傳前應遵守所在團隊的數據外發政策。
SkillHub 抓取元數據顯示：評分 100000，下載 10161 次（統計隨平臺更新，以頁面爲準）。
結尾¶
「文本識別 OCR」把文檔、招牌、截圖等場景下的檢測與識別封裝成 Agent Skill，適合在已有對話工作流裏補一層穩定的文字抽取。安裝時記住 --dir 指向正確的 skills 目錄，並完成 API Key 配置。
- SkillHub 技能頁：https://www.skillhub.cn/skills/user_628f4cb3/ocr
- 技能 API 入口：https://api.skillhub.cn/user_628f4cb3/ocr
- SkillHub 安裝說明：https://skillhub.cn/install/skillhub.md
