前言¶

做數據採集、文檔數字化或表單錄入的人，經常會遇到這樣的場景：拿到一批截圖或掃描件，需要把其中的文字變成可處理的文本。手動抄錄不現實，自己集成 OCR 引擎又要處理環境依賴、語言包和調用封裝。Image Ocr 這個 Skill 把 Tesseract OCR 的調用封裝成一步，讓 Agent 在會話裏直接對圖片做文字識別。

這是什麼¶

Image Ocr 是一個社區發佈的 Skill，座標 @user_f80dbe1a/image-ocr-new，當前版本 1.0.1，發佈者爲 user_f80dbe1a，分類 data-analysis。它解決的問題很單一：給定一張圖片，輸出圖中識別到的文字內容，支持中文、英文及其他語言。

核心功能¶

根據官方簡介，該 Skill 的能力如下：

1、使用 Tesseract OCR 從圖像中提取識別內容；
2、支持中文、英文及其他語言；
3、不需要 API Key（標籤 requires_api_key=false），即不依賴第三方付費接口，本地或本地化的 OCR 引擎即可工作。

官方頁面未列出更多細分功能（如批量處理、輸出格式、表格識別等），本文不做推測。

安裝與啓用¶

Skill 基於通用 SKILL.md 格式。官方地址：

https://api.skillhub.cn/user_f80dbe1a/image-ocr-new

SkillHub 頁面：

https://www.skillhub.cn/skills/user_f80dbe1a/image-ocr-new

安裝與啓用的具體命令、目錄約定和配置項，官方資料中沒有給出明確說明。按 SkillHub 的一般流程，可以通過上述官方地址將 Skill 安裝到支持 SKILL.md 的 Agent 環境（如 Cursor、Claude Code 等）中，再在會話裏調用。不同環境的安裝入口和路徑存在差異，請以官方頁面當時的說明爲準，本文不替官方補充未覈實的命令。

典型用法¶

官方簡介沒有提供可復現的調用示例，下面按該 Skill 聲明的能力描述典型用法，具體參數以實際安裝後的說明爲準。

1、在會話中調用 Image Ocr Skill；
2、給出待識別的圖片，例如本地圖片路徑或圖片數據；
3、Skill 返回識別出的文本內容。

由於支持中文、英文及其他語言，同一批圖片中出現混合語言時，理論上可以一次性識別，無需按語言拆分調用。這一點來自官方簡介，未經過本文實測。

適用場景與注意¶

適合的場景：截圖文字提取、掃描件數字化、批量圖片文字採集、作爲數據處理流水線中的一個環節。

需要注意的點：

1、它是社區來源（source: community）的 Skill，安裝數爲 0、發佈者爲個人賬號，使用前建議先在小批量圖片上驗證識別效果；
2、Tesseract 的識別效果依賴圖片質量，模糊、傾斜、低對比度的圖片準確率會下降；
3、識別其他語言需要對應語言的訓練數據，環境缺少語言包時可能無法識別或效果差；
4、官方頁面給出的評分 100000、下載 797（數據來自 SkillHub 頁面，截至本文寫作時），社區樣本量有限，評分參考價值有限。

結尾¶

Image Ocr 的價值在於把 Tesseract OCR 封裝成 Agent 可直接調用的一步，免去了自行集成 OCR 環境的成本，適合需要從圖片中穩定提取文字的開發者。功能單一、無 API Key 依賴是它的特點，社區來源和有限的下載量是需要留意的地方。官方地址：https://api.skillhub.cn/user_f80dbe1a/image-ocr-new