前言¶
在 Agent 里处理合同、票据或法院文书时，常见情况是文件能上传，但提取出来是空白、乱码，或只有几页乱序字符。电子版 PDF 往往还能靠平台内置解析；扫描版 PDF、照片、OFD 等图像型文档，原生能力经常不够用。下面介绍 SkillHub 上的「文件OCR解析」Skill：在原生解析失败或用户明确要求时，引导 Agent 调用得理 OCR 接口，把内容落成文本或 Markdown，再继续摘要、比对、问答。
这是什么¶
「文件OCR解析」是社区来源（community）的 Agent Skill，坐标为 @user_f26b93e2/deli-ocr-file-parse，当前版本 1.0.1，分类为 office-efficiency，由发布者 user_f26b93e2 维护；SkillHub 页面标注作者为得理科技。它解决的是：Agent / 平台无法直接读取的扫描类文件，需要 OCR 后才能进入后续推理链路。
Skill 自带标签 requires_api_key=true，说明实际识别会依赖得理 OCR 相关接口，使用前需要自行准备 API Key 并按 Skill 内说明配置，具体字段以安装后的 SKILL.md 为准。
核心功能¶
依据官方简介，已核实的能力边界如下：
- 输入类型：扫描版 PDF、图片、OFD，以及票据、合同扫描件、法院文书扫描件等 Agent 无法直接读取的文件。
- 输出形态：解析为文本或 Markdown，便于 Agent 继续编辑、检索或生成结构化结果。
- 调用策略：优先使用当前 Agent / 平台原生解析；仅在原生解析失败、结果明显不可用，或用户明确要求使用得理 OCR 时，才走本 Skill 对应的接口。
- 典型触发语义：OCR 识别、扫描件识别、图片转文字、图片转 Markdown、PDF 转 Markdown，以及「文件解析失败、文档无法读取、提取结果为空、乱码、扫描版解析不了」等场景。
SkillHub 上该 Skill 评分 100000，下载 866 次（统计以 SkillHub 页面展示为准）。
安装与启用¶
安装前确认本机已有 SkillHub CLI；若没有，可先按官方安装文档检查或安装：
command -v skillhub && skillhub --version
未安装时可执行（完整安装，含 CLI 与默认 Skill）：
curl -fsSL https://skillhub-1388575217.cos.ap-guangzhou.myqcloud.com/install/install.sh | bash
安装本 Skill 时，必须用 --dir 指向当前 Agent 的 skills 目录，否则默认落在 ./skills/，Agent 可能识别不到：
skillhub install @user_f26b93e2/deli-ocr-file-parse --dir <skills 目录>
常用客户端 skills 目录（摘自 SkillHub 安装文档）：
- Cursor：
~/.cursor/skills/ - Claude Code：
~/.claude/skills/ - Codex：
~/.codex/skills/或项目下的.agents/skills/
若你通过对话让 AI 代为安装，官方页面提供的提示词为：根据 https://skillhub.cn/install/skillhub.md，安装 @user_f26b93e2/deli-ocr-file-parse。
装好后按各客户端要求重启或刷新 Skill 列表，并配置得理 OCR 所需的 API Key（requires_api_key=true）。
典型用法¶
本 Skill 遵循通用 SKILL.md 格式，具体命令与参数在安装包内文档中定义。从官方简介可复现的使用路径如下：
- 用户将扫描 PDF、图片或 OFD 等文件交给 Agent，并说明需要全文、某页或转为 Markdown。
- Agent 先尝试平台原生解析；若为空、乱码或明显不可用，再加载「文件OCR解析」Skill。
- Skill 引导调用得理 OCR 接口，将识别结果以文本或 Markdown 返回对话上下文。
- Agent 在识别结果上继续执行任务（例如条款摘录、字段填写、多文档对比）。
用户也可在一开始就明确要求「用得理 OCR」，此时可跳过原生解析重试，但仍建议确认 API Key 与网络可达。
适用场景与注意¶
适合谁
- 经常在 Agent 里处理扫描合同、发票、法院文书、纸质归档 PDF 的开发者或业务用户。
- 已遇到「能上传但读不出来」、需要统一走 OCR 再进 LLM 流程的团队。
使用注意
- 先原生、后 OCR：Skill 明确要求优先原生解析，避免不必要的接口调用与费用。
- API Key：标签标明需要 API Key；未配置时 Skill 无法完成识别，需在得理侧开通并按
SKILL.md配置。 - 合规与隐私：合同、法院文书等含敏感信息，上传至第三方 OCR 前需符合本单位数据合规要求。
- 结果校验：OCR 对模糊扫描、复杂版式仍可能出错，关键字段建议人工或规则二次核对。
结尾¶
「文件OCR解析」把「扫描件进不了 Agent 上下文」这一卡点，收敛成可重复的 Skill 流程：原生失败再 OCR，输出文本或 Markdown 供后续推理。安装与坐标以 SkillHub 为准。
- SkillHub 页面：https://www.skillhub.cn/skills/user_f26b93e2/deli-ocr-file-parse
- API 条目：https://api.skillhub.cn/user_f26b93e2/deli-ocr-file-parse
