前言¶
處理截圖裏的一段文字，常見做法是開一個在線 OCR 網站，上傳圖片、等識別、再複製結果。如果只是在對話裏順手做這件事，更常見的問題是：圖片要落盤、結果要手動複製回來、排版被打亂。截圖OCR文字提取師就是爲這個場景準備的：在 Agent 裏直接讀取截圖或圖片，提取文字並做排版校對，返回可直接複製的文本。
這是什麼¶
截圖OCR文字提取師是一個社區來源的 Skill，座標 @user_af163eaa/z-ocr-grab，當前版本 1.0.0，分類屬於 office-efficiency，發佈者爲 user_af163eaa。它解決的問題很單一：把圖片裏的文字轉成乾淨的文本，減少人工錄入和來回複製的開銷。
官方頁面給出的一句話簡介是：讀取截圖或圖片一鍵提取文字並排版校對，輸出可複製文本。
核心功能¶
下面介紹的能力均來自該 Skill 的官方簡介，未經實測的部分會單獨標註。
1、讀取截圖或圖片。輸入爲本地圖片路徑或截圖內容，由 Skill 內部完成識別。
2、提取文字。識別結果從圖片中取出，不依賴用戶手工轉錄。
3、排版校對。對識別出的文字做一次整理，儘量還原原本的段落和換行，輸出可直接複製使用的文本。
4、不落盤、不擅存文件。官方簡介明確寫明無需落盤、不擅自保存文件，適合快速摘取圖中文字。
5、無需 API Key。資料中的標籤爲 requires_api_key=false，即不要求額外申請密鑰。
需要說明的是，官方簡介提到當前已上傳的 Skill 中沒有專門的 OCR Skill，因此該 Skill 的定位是補上這個空缺，而不是替代已有的通用圖片理解能力。具體識別精度、支持的圖片格式與語言，資料中沒有給出明確說明，需要在使用時自行確認。
安裝與啓用¶
官方資料沒有提供安裝命令或配置項，因此本文不寫具體的安裝步驟，避免給出未經覈實的命令。下面說明啓用方式和在哪些工具裏可以用。
啓用方式是觸發式：當用戶在對話中提到下列說法時啓動該 Skill。
OCR
提取文字
截圖文字
圖片轉文字
識別圖片文字
截圖提取
圖片識別文字
這段圖裏寫的什麼
圖裏字提取
把截圖轉文字
關於運行環境，這類 Skill 基於通用的 SKILL.md 格式，可用於支持該格式的 Agent 工具。資料中沒有分別給出 Cursor、Codex CLI、Claude Code 的安裝差異，本文不做推斷。如果你的工具支持按目錄或鏈接加載 Skill，把官方地址 https://api.skillhub.cn/user_af163eaa/z-ocr-grab 對應的 Skill 加入即可；不支持的工具，先確認是否支持 SKILL.md。
另外，該 Skill 不需要 API Key，接入時不用準備密鑰。
典型用法¶
資料中沒有給出可復現的官方示例命令，下面只列出與觸發條件對應的使用方式，具體調用形式以你在 Agent 裏的實際操作爲準。
把截圖路徑給出去，讓 Agent 提取文字：
這張截圖裏寫了什麼，提取一下：/path/to/screenshot.png
或者直接描述需求：
把這張圖片轉成文字
拿到結果後，如果對某一段文字不滿意，可以要求重新排版校對，例如說明「保留原來的換行」。具體的參數和回調格式，資料中未提供，此處不做描述。
適用場景與注意¶
適合這幾類情況：截圖裏有一段需要摘錄的文字；圖片轉文字後要直接用到文檔或對話裏；希望不落地文件、做完就走；不想爲 OCR 單獨申請 API Key。
需要注意的地方：
1、識別精度受圖片清晰度、文字大小、背景複雜度影響，資料沒有給出精度指標，重要內容建議人工複覈。
2、排版校對是還原意圖，不是精確還原，表格、公式、多欄排版的還原效果需要實測。
3、如果截圖涉及身份證、銀行卡、密碼、內部文件等敏感信息，按 Skill 說明，涉密截圖需要使用者自行處理，不要讓敏感內容進入對話或被保存。
4、資料裏寫明不擅自保存文件，但也不等於完全沒有落盤風險，使用前確認你所在環境的文件策略。
5、頁面統計信息會變化，本文數據來自抓取時的資料：評分 100000，下載 1288，安裝 0。另有線索顯示評分 99451、下載 1269，與抓取結果不一致，以頁面實時數據爲準。
小結¶
截圖OCR文字提取師把「圖片裏有一段文字，我只要文本」這件事壓成了一步：給出圖片，得到排版過的可複製文本，不需要 API Key，也不需要把文件存下來。如果這正是你日常處理截圖的高頻動作，可以把它作爲通用的圖片轉文字入口；如果需要高精度表格識別或合規留存，仍然要配合專門的工具和人工複覈。
官方地址：https://api.skillhub.cn/user_af163eaa/z-ocr-grab
SkillHub 頁面：https://www.skillhub.cn/skills/user_af163eaa/z-ocr-grab
