前言¶
在开发或使用 AI 助手时，经常会遇到需要从图片中提取文字的场景，例如文档扫描件、截图或表格。如果通过手动复制或通用 OCR 工具，往往效率不高且容易出错。在命令行或脚本环境中，如果能直接以标准接口（如 OpenAI 兼容）调用大模型进行 OCR，就能更自然地集成到工作流中，避免重复开发。
是什么¶
讯飞大模型OCR图像理解是一个基于讯飞大模型 OpenAI 兼容接口的 Skill，用于对本地图片进行文字识别、版面文字提取、截图转文本或表格提取。该 Skill 由用户 user_bd0773b4 在 SkillHub 上发布，版本为 1.0.0，分类为 office-efficiency。它适合在需要通过命令行提供 API Key、Model ID、提示词或配置文件路径的场景中使用。
核心功能¶
- 本地图片 OCR：对上传的图片进行文字识别。
- 版面文字提取：识别文档版面结构并提取文字。
- 截图转文本：从截图内容中提取文本。
- 表格提取：从图片中识别并提取表格数据。
安装与启用¶
安装命令（以 Cursor 为例）：
cursor skill install user_bd0773b4/iflytek-bigmodel-ocr
启用命令（以 Cursor 为例）：
cursor skill enable user_bd0773b4/iflytek-bigmodel-ocr
该 Skill 需要 API Key，因此在使用前需要准备有效的讯飞大模型 API Key 和对应的 Model ID。
典型用法¶
在支持该 Skill 的环境中，可以直接使用命令或对话调用图像理解功能。以下为示例用法（具体命令格式以 Skill 说明为准）：
- 命令示例：
- 提供图片路径，通过命令行参数传入 API Key、Model ID 和提示词，执行 OCR。
- 使用配置文件路径来存储 API Key 等敏感信息，避免在命令行中直接暴露。
适用场景与注意¶
- 适合场景：
- 需要从图片中提取文字的开发者。
- 经常处理文档扫描件、截图或表格的开发者。
- 希望将 OCR 能力集成到命令行或脚本中的开发者。
- 注意事项：
- 需要提前准备并配置有效的讯飞大模型 API Key。
- 使用时需提供正确的 Model ID 和提示词以获得预期效果。
- 确保图片格式和清晰度符合识别要求，以提高识别准确率。
短结尾¶
该 Skill 通过 OpenAI 兼容接口，将讯飞大模型的能力以标准方式提供，方便在命令行环境中调用。如果你需要从图片中提取文字或表格，可以直接使用该 Skill。
官方地址：
https://api.skillhub.cn/user_bd0773b4/iflytek-bigmodel-ocr
