前言¶
做安全检查报告、扫描合同或档案时，PDF 发来却只是「一张图」，用常规方式提取出来是 0 个字；想用联网 OCR，又不敢把涉密或隐私文件传到云端。这个场景需要一条不联网、不上传、又能出结构化文字的路径。下面介绍的 PDF扫描件/图片一键转文字 就是为这类需求准备的本地离线 OCR 技能。
这是什么¶
PDF扫描件/图片一键转文字 是一个本地离线 OCR 技能，坐标 @user_b698fb2a/local-doc-ocr，由社区发布者 user_b698fb2a 维护，来源 community，当前版本 1.0.1，分类 office-efficiency。它解决的问题是：把扫描件 PDF 和图片提取成可读、可归档的文本，全程在本机完成，不调用外部 API、不上传云端。
核心功能¶
这个技能提供两个引擎，按场景选择。
引擎 A 是默认保底方案：用 RapidOCR 在本机一键把 PDF/图片转成 Markdown，纯本地离线、不联网、不占 token、可批量。适合涉密、隐私资料，以及需要稳定批量处理的历史文档数字化。
引擎 B 是多模态读图增强：由支持读图能力的 Agent 逐页读图，在表格还原、手写签名、印章、模糊图识别上更准确。它依赖 Agent 的多模态读图能力（例如 WorkBuddy 的 Read 工具），质量更高，但不是纯离线链路。
两个引擎都内置了自动预处理，包括 EXIF 摆正、倾斜角校正、灰度增强、锐化，用来提升识别率。输出按页、按图分段落盘为 .md，含页码标记和人工核对提示，方便归档和知识库预处理。
安装与启用¶
这是一个基于通用 SKILL.md 格式的技能，通过 SkillHub 分发，无需 API key（标签 requires_api_key=false），使用时不需要配置外部密钥。
官方地址：
https://api.skillhub.cn/user_b698fb2a/local-doc-ocr
SkillHub 页面：
https://www.skillhub.cn/skills/user_b698fb2a/local-doc-ocr
启用方式以官方页面说明为准。本次未能通过抓取核实到具体的安装命令和目录约定，因此不在此臆造；请到上面的官方地址按当前版本的说明操作。
典型用法¶
这个技能通过触发词唤起。当对话里出现下列说法时，会走文字提取流程：
- OCR、识别、读PDF、读一下这份、把这个读出来、转成文字
- 扫描件提取、图片转文字、识别扫描件、PDF转文字
- 手写识别、提取图片里的字、这份文件读不出来
- 资料入库（如喂给知识库）时遇到扫描件
一句话概括用法：把扫描件 PDF 或图片交给技能，选择引擎 A 做默认离线提取，或在表格、手写、印章、模糊图场景切换到引擎 B 逐页读图，输出按页落盘的 .md。
适用场景与注意¶
适合扫描合同、报表、档案、安全检查记录、手写笔记、会议纪要拍照、印章文件，以及批量历史文档数字化。全程本机处理，适合涉密和隐私资料。
需要注意两点。第一，本技能只做文字提取：用户说「识别隐患」「安全隐患」属于安全检查类技能的范畴，不是这个技能的用途。第二，引擎 B 依赖 Agent 的多模态读图能力，不是纯离线链路；如果文件敏感到不能交给读图 Agent，应使用引擎 A。
结尾¶
PDF扫描件/图片一键转文字 的价值在于把「扫描件提取 0 个字」和「联网 OCR 不敢传」这两件事收敛到一个本地方案里：引擎 A 保底离线批量，引擎 B 在复杂版面上补质量，输出直接可归档、可喂知识库。官方地址：https://api.skillhub.cn/user_b698fb2a/local-doc-ocr 。
