前言¶

处理截图、扫描件、试卷、图纸说明这类图片时，最常见的痛点是文字拿不出来：图片里的文字没法直接复制，逐字手打既慢又容易出错，表格和代码截图更是麻烦。走云端 OCR 又有隐私顾虑——身份证、病历、合同等扫描件通常不希望上传到第三方服务。

下面介绍的 图片文字识别（@user_43faedd6/image-ocr）是一个本地离线 OCR 的 Agent Skill，把 OCR 能力封装成 SKILL，供 Agent 在处理图片/PDF 时调用。

这是什么¶

图片文字识别 是一个基于通用 SKILL.md 格式的 Agent Skill，由社区发布者 user_43faedd6 维护，版本 0.3.6，属于 office-efficiency（办公效率）分类，来源标记为 community。它解决的问题是：在不联网、不上传的前提下，从图片、扫描件、多页 PDF 中提取文字内容。

需要说明的是，官方资料未提供该 Skill 的具体实现来源（如底层 OCR 引擎）与许可证信息，正文不对此做推测。

核心功能¶

根据官方简介，该 Skill 的能力可归纳为以下几点：

1、本地离线运行，不联网、不上传文件。
2、从图片、扫描件、多页 PDF 中提取文字、数字、表格、代码和算式。
3、支持中文（chi_sim）、英文（eng），并可下载其他语言包。
4、可将表格转为 Markdown/CSV，将代码截图转为文本。

安装与启用¶

官方资料未给出该 Skill 的具体安装命令、目录结构或配置文件字段。下面仅列出可核实的信息，安装与启用步骤需以 SkillHub 页面为准。

坐标：

@user_43faedd6/image-ocr

官方地址：

https://api.skillhub.cn/user_43faedd6/image-ocr

SkillHub 页面：

https://www.skillhub.cn/skills/user_43faedd6/image-ocr

关于运行环境：该 Skill 标签为 requires_api_key=false，即不需要 API Key。官方资料未说明它在不同宿主（Cursor / Codex CLI / Claude Code 等）下的启用方式差异，此处不做区分，请以页面说明为准。

典型用法¶

官方简介描述的使用方式是：当用户上传图片或 PDF，并索要其中的文字、数字、表格、代码或算式内容时，由 Agent 调用该 Skill 完成提取。

从能力描述可还原的几类场景：

1、截图转文字：把无法复制的截图交给 Agent，让其提取其中的文字。
2、表格转格式：把图片中的表格转为 Markdown 或 CSV。
3、代码截图转文本：把代码截图转为可编辑的文本。
4、扫描件提取：处理多页 PDF 扫描件中的文字与数字。

注意：以上为基于官方简介的能力归纳，官方资料未提供可复现的命令行示例或脚本，正文不编造具体命令。

适用场景与注意¶

适合的场景：

1、截图、照片、扫描件、试卷、表单、图纸说明等无法直接复制文字的图片。
2、需要把图片中的表格转为 Markdown/CSV 的场景。
3、代码截图转文本。
4、对隐私有要求、不希望文件上传到云端的场景。

不适用或需注意的场景：

1、可直接复制文字的电子文档——直接复制即可，无需 OCR。
2、以手写体为主的图片——官方明确说明准确率有限。
3、需要联网 OCR 或云端视觉能力的场景——该 Skill 是本地离线的，不适用。

结尾¶

图片文字识别 的价值在于把本地离线 OCR 做成一个可被 Agent 调用的 Skill，兼顾隐私与常见图片文字提取需求。它适合截图、扫描件、表格、代码截图等场景，但对手写体和云端场景不适用。

官方地址：https://api.skillhub.cn/user_43faedd6/image-ocr