前言¶

做自动化脚本、爬虫或登录流程时，常遇到一堵墙：目标站点弹一张验证码图片，程序读不出里面的字符，流程就停在那里。传统做法是接一套独立的 OCR 服务，或者在代码里写一个专门针对该站点的识别分支，维护成本不低，换一种验证码样式往往就要重新调参。下面介绍的是一个把这些工作封装成一个 Skill 的方案：把验证码图片交给它，拿回文本内容，由模型或上层流程自行决定下一步。

这是什么¶

验证码识别OCR（坐标 @org-rn88lg3j/xby-ocr-captcha）是一个基于通用 SKILL.md 格式的 Skill，当前版本 1.0.0，来源标注为 enterprise，归属分类 dev-programming，由「小笨羊科技」发布。它解决的问题很单一：输入常见验证码图片，返回图片中的验证码文本内容。在 SkillHub 上的评分为 100000，下载 1055 次，安装 0 次。

核心功能¶

根据官方页面给出的简介，这个 Skill 目前只声明一项能力：

1、输入一张常见验证码图片。
2、输出该图片中的验证码文本。

除此之外的图像预处理、字符集限定、噪声容忍度等行为，官方简介中没有说明，本文不做推测。

安装与启用¶

官方页面没有给出可核对的安装命令、目录约定或配置字段，本文不臆造。需要说明的两点是：

1、标签中带有 requires_api_key=true，说明调用它需要 API Key。获取方式与填入位置需以官方页面为准，当前抓取到的页面内容不含这部分信息。
2、该 Skill 基于通用 SKILL.md 格式，因此它的行为取决于宿主工具（Cursor / Codex CLI / Claude Code 等）如何加载 SKILL.md。不同宿主的启用方式可能不同，这一点本文不做统一断言。

建议在正式使用前，先打开下面的官方地址确认安装步骤与 Key 的配置位置。

典型用法¶

官方简介给出的用法就是一次输入、一次输出，可复现的流程是：

1、拿到一张常见验证码图片（本地文件路径或图片内容）。
2、把它作为输入交给该 Skill。
3、从返回结果中读取验证码文本，交给上层流程继续处理。

由于抓取到的资料中没有示例脚本或参数格式，上面只描述到这一层，具体的调用语法需要以官方页面为准。

适用场景与注意¶

适合的场景：已有自动化流程卡在验证码这一步，希望把识别动作抽出来交给 Skill 处理，而不是在业务代码里维护一套 OCR 逻辑。

需要注意的地方：

1、它面向「常见验证码图片」，变形严重、带强干扰线或每次字符集都变化的验证码，识别效果如何没有公开数据支撑，建议先拿自己的样本实测。
2、它需要 API Key，意味着识别过程可能产生调用成本，且依赖外部服务可用性。在批量任务里要考虑这一点。
3、验证码识别本身可能触及目标站点的服务条款，使用前确认合规边界。
4、安装量为 0，评分与下载量数据来自 SkillHub 页面，实际效果仍需自行验证。

结尾¶

验证码识别OCR 把「图片到文本」这一步单独封装成一个 Skill，接入方只需要关心输入图片和输出文本，不用自己搭 OCR 管线。如果你的场景正好是常见的验证码图片，它值得一试；先从官方地址确认安装与 API Key 配置，再用少量样本验证效果。

官方地址：https://api.skillhub.cn/org-rn88lg3j/xby-ocr-captcha