前言¶
在对话式开发环境里，用户经常丢一张截图、扫描件或票据照片，希望直接得到可编辑文字。自己接 OCR 服务要处理鉴权、图片编码和版式差异；让模型「看图猜字」又容易漏行、表格结构也对不上。下面介绍 SkillHub 上的「全能文字识别」，把印刷体、手写、表格、票据等识别能力封装成 Agent Skill，用固定触发词和图片输入方式（URL 或 Base64）接入工作流。
这是什么¶
「全能文字识别」是 SkillHub 坐标 @ixhlink/ixhlink-skills-quanneng-ocr-recog 下的企业来源 Skill，当前版本 1.0.3，由 星华智联科技 发布，分类为 office-efficiency。官方定位为全能 OCR 文字识别助手：从图片中提取印刷体、手写体、表格、票据、名片等文字内容，并支持通过 图片 URL 与 Base64 传入图像。
官方入口：
- SkillHub 页面：https://www.skillhub.cn/skills/ixhlink/ixhlink-skills-quanneng-ocr-recog
- 资源地址：https://api.skillhub.cn/ixhlink/ixhlink-skills-quanneng-ocr-recog
核心功能¶
以下能力均来自官方简介，未在页面单独展开的实现细节不臆测。
- 多版式文字提取：印刷体、手写体。
- 结构化场景：表格、票据、名片等常见办公图像。
- 两种图片输入：远程图片 URL、Base64 编码图片。
- 意图触发：当用户表达 OCR、识别图片文字、提取文字、扫图识字、图片转文字、读图、票据识别、表格识别等需求时，Agent 应选用本 Skill。
页面标签显示 requires_api_key=false（不要求用户自行配置 API Key）；pricing_type=paid 表示为付费类 Skill，具体计费以 SkillHub 与发布方说明为准。
安装与启用¶
Skill 基于通用 SKILL.md 格式。安装时必须把文件落到当前 Agent 能识别的 skills 目录，否则不会生效。
方式一：让 Agent 按 SkillHub 指引安装¶
在 Cursor、Claude Code 等支持 Skills 的客户端中，可将官方提示词发给 Agent：
请根据 https://skillhub.cn/install/skillhub.md，安装 `@ixhlink/ixhlink-skills-quanneng-ocr-recog`。
Agent 会按 SkillHub 安装文档拉取并写入对应 skills 目录。
方式二：使用 skillhub CLI¶
先确认本机是否已有 CLI：
command -v skillhub && skillhub --version
未安装时，可按 SkillHub 文档执行完整安装（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 指向当前环境的 skills 目录。例如 Cursor 常用路径为 ~/.cursor/skills/：
skillhub install ixhlink/ixhlink-skills-quanneng-ocr-recog --dir ~/.cursor/skills/
其他客户端路径以 SkillHub 安装文档为准，例如 Claude Code 为 ~/.claude/skills/，Codex 为 ~/.codex/skills/ 或项目下的 .agents/skills/。安装后按各客户端要求刷新或重启，使 Skill 被加载。
典型用法¶
公开页面未提供独立 REST 示例；使用方式是在已启用 Skill 的对话中，用自然语言说明任务并附上图片。
- 本地或截图文件：若客户端支持，先将图片转为 Base64 或提供可访问的 URL，再说明要「识别图片文字」或「表格识别」等。
- 远程图片：直接给出图片 URL，并说明需要提取全文或关注票据/表格字段。
- 触发词对齐官方简介：使用「OCR」「扫图识字」「图片转文字」「读图」「票据识别」等表述，便于 Agent 路由到本 Skill。
经过上面的步骤，Agent 会按 Skill 内定义的流程调用背后 OCR 能力并返回文本结果；具体字段排版与后处理以 Skill 包内 SKILL.md 为准（安装后可本地查看）。
适用场景与注意¶
适合谁
- 需要在 IDE / CLI Agent 里快速把图片变成文字，又不想每次手写 OCR 集成代码的团队或个人。
- 办公场景中的扫描件、名片、票据、带表格的截图等。
限制与注意
- 分类为办公效率（office-efficiency），不是通用代码生成 Skill；效果取决于图片清晰度与版式复杂度。
- 付费类 Skill，使用前在 SkillHub 确认授权与费用；页面标注无需自行配置 API Key，但不等于无服务成本。
- SkillHub 页面统计（截至抓取时）：评分 100000，下载 5515；数据会随时间变化，以官网为准。
- 识别结果建议人工抽检，尤其是手写、模糊扫描和复杂表格，不宜直接作为唯一数据源入库。
结尾¶
「全能文字识别」把多类 OCR 场景和 URL/Base64 输入方式收敛成一个 Skill，适合在 Agent 对话里用固定话术触发。若你正在 SkillHub 选型 OCR 类能力，可从官方页面查看版本与说明：https://www.skillhub.cn/skills/ixhlink/ixhlink-skills-quanneng-ocr-recog
