前言¶
扫描件、截图和版式复杂的文档，往往只能以图片形式留在 Word 里。手工对照输入成本高，通用聊天模型直接「看图」又缺少固定流程，结果不稳定。下面介绍 SkillHub 上的社区 Skill「智能图片转文字」，面向「多张图片集中放在一个 Word 文件里、需要落成可编辑文字」这一类办公场景。
这是什么¶
「智能图片转文字」是 SkillHub 坐标 @user_8a153b62/smart-ocr 下的 Agent Skill，当前版本 1.0.0，来源为 community，由发布者 user_8a153b62 维护，分类为 office-efficiency（办公效率）。
官方简介只有一句可核对的能力描述：可将一组图片放在一个 Word 文件里，解析成文字。它解决的是：把图片型内容从 Word 容器中抽成文本，供后续编辑、检索或归档，而不是替代完整的版式还原或排版引擎。
- SkillHub 页面：https://www.skillhub.cn/skills/user_8a153b62/smart-ocr
- API 入口：https://api.skillhub.cn/user_8a153b62/smart-ocr
核心功能¶
依据 SkillHub 页面与抓取元数据，目前能写进正文的能力如下。
- 输入形态：一组图片放在同一个 Word（
.docx）文件中，由 Skill 按文档结构解析。 - 输出目标：从上述 Word 中的图片提取文字内容（具体输出格式以 Skill 内
SKILL.md与 Agent 执行结果为准；官方页面未展开逐字段说明）。 - 依赖提示：元数据标签为
requires_api_key=true，表示运行链路中可能需要配置 API Key；页面未列出具体服务商或环境变量名，安装后应在 Skill 说明中核对。
SkillHub 侧统计（以页面抓取为准）：评分 100000，下载 1465 次，安装计数 0（安装数随平台统计方式可能变化，以 SkillHub 实时显示为准）。
安装与启用¶
SkillHub 推荐两种方式：用 skillhub CLI 安装，或把官方提示词发给当前 AI，由其按安装文档拉取 Skill。
1. 安装 SkillHub CLI（若尚未安装）¶
先检查是否已有 CLI：
command -v skillhub && skillhub --version
未安装时，可按 SkillHub 安装文档执行完整安装（含默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
仅需 CLI 时：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash -s -- --cli-only
2. 安装本 Skill 到当前 Agent 的 skills 目录¶
安装时必须用 --dir 指向当前 Agent 识别的 skills 目录；默认装到 ./skills/ 可能不会被加载。
skillhub install @user_8a153b62/smart-ocr --dir <你的 skills 目录>
常用路径（来自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
示例（Cursor）：
skillhub install @user_8a153b62/smart-ocr --dir ~/.cursor/skills/
3. 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_8a153b62/smart-ocr`。
将上述内容发给支持 Skill 的 Agent 即可；具体是否需重启 IDE 或重新加载技能，以你所用客户端文档为准。
4. API Key（若 Skill 要求）¶
标签 requires_api_key=true 表示可能需要密钥。官方页面未给出字段名；安装完成后打开 Skill 目录中的说明文件，按其中要求配置，避免把密钥写进仓库或聊天记录。
典型用法¶
官方未提供逐步截图教程，可复现的流程可以概括为下面几步。
- 将需要识别的图片按你的整理习惯插入同一个 Word 文档（保持图片清晰、少严重倾斜，有利于识别质量）。
- 在已启用该 Skill 的 Agent 中，说明目标：从这份 Word 里提取图片中的文字（可附上文件路径或按客户端要求上传）。
- 根据 Agent 返回的文本做校对；涉及合同、票据等场景，应人工复核，不默认「零差错」。
搜索安装时也可先用 CLI 确认坐标：
skillhub search smart-ocr
适用场景与注意¶
更适合谁
- 办公人员：书籍扫描页、资料截图先塞进 Word，再批量要文字稿。
- 需要与 Agent 工作流衔接的团队：用标准 Skill 坐标固定能力，减少每次手写 OCR 提示词。
限制与注意
- 能力边界以官方简介为准：Word 容器 + 图片 → 文字；未在 SkillHub 页面承诺表格结构、公式或复杂版式的完整还原。
requires_api_key=true：部署前确认密钥来源、费用与合规要求。- 社区来源（
community）：更新与维护节奏取决于发布者，升级可用skillhub相关命令并关注 SkillHub 上的版本号（当前 1.0.0）。 - 用户线索中的英文说明提到多策略 Tesseract 与 DeepSeek 校验，未出现在本次核对的 SkillHub 中文页面与抓取简介中，正文不将其列为已核实功能；若安装包内
SKILL.md有进一步描述，以本地 Skill 文件为准。
结尾¶
「智能图片转文字」把「Word 里攒好的图片」作为统一输入，由 Agent Skill 走解析流程，适合办公场景里常见的图片转文字需求。安装与坐标以 SkillHub 为准：
