前言¶

做自動化腳本、爬蟲或登錄流程時，常遇到一堵牆：目標站點彈一張驗證碼圖片，程序讀不出裏面的字符，流程就停在那裏。傳統做法是接一套獨立的 OCR 服務，或者在代碼裏寫一個專門針對該站點的識別分支，維護成本不低，換一種驗證碼樣式往往就要重新調參。下面介紹的是一個把這些工作封裝成一個 Skill 的方案：把驗證碼圖片交給它，拿回文本內容，由模型或上層流程自行決定下一步。

這是什麼¶

驗證碼識別OCR（座標 @org-rn88lg3j/xby-ocr-captcha）是一個基於通用 SKILL.md 格式的 Skill，當前版本 1.0.0，來源標註爲 enterprise，歸屬分類 dev-programming，由「小笨羊科技」發佈。它解決的問題很單一：輸入常見驗證碼圖片，返回圖片中的驗證碼文本內容。在 SkillHub 上的評分爲 100000，下載 1055 次，安裝 0 次。

核心功能¶

根據官方頁面給出的簡介，這個 Skill 目前只聲明一項能力：

1、輸入一張常見驗證碼圖片。
2、輸出該圖片中的驗證碼文本。

除此之外的圖像預處理、字符集限定、噪聲容忍度等行爲，官方簡介中沒有說明，本文不做推測。

安裝與啓用¶

官方頁面沒有給出可覈對的安裝命令、目錄約定或配置字段，本文不臆造。需要說明的兩點是：

1、標籤中帶有 requires_api_key=true，說明調用它需要 API Key。獲取方式與填入位置需以官方頁面爲準，當前抓取到的頁面內容不含這部分信息。
2、該 Skill 基於通用 SKILL.md 格式，因此它的行爲取決於宿主工具（Cursor / Codex CLI / Claude Code 等）如何加載 SKILL.md。不同宿主的啓用方式可能不同，這一點本文不做統一斷言。

建議在正式使用前，先打開下面的官方地址確認安裝步驟與 Key 的配置位置。

典型用法¶

官方簡介給出的用法就是一次輸入、一次輸出，可復現的流程是：

1、拿到一張常見驗證碼圖片（本地文件路徑或圖片內容）。
2、把它作爲輸入交給該 Skill。
3、從返回結果中讀取驗證碼文本，交給上層流程繼續處理。

由於抓取到的資料中沒有示例腳本或參數格式，上面只描述到這一層，具體的調用語法需要以官方頁面爲準。

適用場景與注意¶

適合的場景：已有自動化流程卡在驗證碼這一步，希望把識別動作抽出來交給 Skill 處理，而不是在業務代碼裏維護一套 OCR 邏輯。

需要注意的地方：

1、它面向「常見驗證碼圖片」，變形嚴重、帶強幹擾線或每次字符集都變化的驗證碼，識別效果如何沒有公開數據支撐，建議先拿自己的樣本實測。
2、它需要 API Key，意味着識別過程可能產生調用成本，且依賴外部服務可用性。在批量任務裏要考慮這一點。
3、驗證碼識別本身可能觸及目標站點的服務條款，使用前確認合規邊界。
4、安裝量爲 0，評分與下載量數據來自 SkillHub 頁面，實際效果仍需自行驗證。

結尾¶

驗證碼識別OCR 把「圖片到文本」這一步單獨封裝成一個 Skill，接入方只需要關心輸入圖片和輸出文本，不用自己搭 OCR 管線。如果你的場景正好是常見的驗證碼圖片，它值得一試；先從官方地址確認安裝與 API Key 配置，再用少量樣本驗證效果。

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