前言¶
做安全檢查報告、掃描合同或檔案時，PDF 發來卻只是「一張圖」，用常規方式提取出來是 0 個字；想用聯網 OCR，又不敢把涉密或隱私文件傳到雲端。這個場景需要一條不聯網、不上傳、又能出結構化文字的路徑。下面介紹的 PDF掃描件/圖片一鍵轉文字 就是爲這類需求準備的本地離線 OCR 技能。
這是什麼¶
PDF掃描件/圖片一鍵轉文字 是一個本地離線 OCR 技能，座標 @user_b698fb2a/local-doc-ocr，由社區發佈者 user_b698fb2a 維護，來源 community，當前版本 1.0.1，分類 office-efficiency。它解決的問題是：把掃描件 PDF 和圖片提取成可讀、可歸檔的文本，全程在本機完成，不調用外部 API、不上傳雲端。
核心功能¶
這個技能提供兩個引擎，按場景選擇。
引擎 A 是默認保底方案：用 RapidOCR 在本機一鍵把 PDF/圖片轉成 Markdown，純本地離線、不聯網、不佔 token、可批量。適合涉密、隱私資料，以及需要穩定批量處理的歷史文檔數字化。
引擎 B 是多模態讀圖增強：由支持讀圖能力的 Agent 逐頁讀圖，在表格還原、手寫簽名、印章、模糊圖識別上更準確。它依賴 Agent 的多模態讀圖能力（例如 WorkBuddy 的 Read 工具），質量更高，但不是純離線鏈路。
兩個引擎都內置了自動預處理，包括 EXIF 擺正、傾斜角校正、灰度增強、銳化，用來提升識別率。輸出按頁、按圖分段落盤爲 .md，含頁碼標記和人工覈對提示，方便歸檔和知識庫預處理。
安裝與啓用¶
這是一個基於通用 SKILL.md 格式的技能，通過 SkillHub 分發，無需 API key（標籤 requires_api_key=false），使用時不需要配置外部密鑰。
官方地址：
https://api.skillhub.cn/user_b698fb2a/local-doc-ocr
SkillHub 頁面：
https://www.skillhub.cn/skills/user_b698fb2a/local-doc-ocr
啓用方式以官方頁面說明爲準。本次未能通過抓取覈實到具體的安裝命令和目錄約定，因此不在此臆造；請到上面的官方地址按當前版本的說明操作。
典型用法¶
這個技能通過觸發詞喚起。當對話裏出現下列說法時，會走文字提取流程：
- OCR、識別、讀PDF、讀一下這份、把這個讀出來、轉成文字
- 掃描件提取、圖片轉文字、識別掃描件、PDF轉文字
- 手寫識別、提取圖片裏的字、這份文件讀不出來
- 資料入庫（如餵給知識庫）時遇到掃描件
一句話概括用法：把掃描件 PDF 或圖片交給技能，選擇引擎 A 做默認離線提取，或在表格、手寫、印章、模糊圖場景切換到引擎 B 逐頁讀圖，輸出按頁落盤的 .md。
適用場景與注意¶
適合掃描合同、報表、檔案、安全檢查記錄、手寫筆記、會議紀要拍照、印章文件，以及批量歷史文檔數字化。全程本機處理，適合涉密和隱私資料。
需要注意兩點。第一，本技能只做文字提取：用戶說「識別隱患」「安全隱患」屬於安全檢查類技能的範疇，不是這個技能的用途。第二，引擎 B 依賴 Agent 的多模態讀圖能力，不是純離線鏈路；如果文件敏感到不能交給讀圖 Agent，應使用引擎 A。
結尾¶
PDF掃描件/圖片一鍵轉文字 的價值在於把「掃描件提取 0 個字」和「聯網 OCR 不敢傳」這兩件事收斂到一個本地方案裏：引擎 A 保底離線批量，引擎 B 在複雜版面上補質量，輸出直接可歸檔、可喂知識庫。官方地址：https://api.skillhub.cn/user_b698fb2a/local-doc-ocr 。
