多模态数据源转换引擎：把文档、图片与音频统一转成 Markdown
介绍 SkillHub 社区 Skill「多模态数据源转换引擎」（@user_317b55bd/source-to-markdown，v1.0.1）。支持 md/txt/docx/pdf/pptx/xlsx/csv/html/json/xml 等文档与结构化文件（默认 MarkItDown），图片与扫描 PDF 走腾讯 OCR，音频走腾讯 ASR，异常可降级 MiMo 与火山引擎；含 ZIP 材料包场景。说明 skillhub CLI 安装、各 Agent skills 目录、requires_api_key 配置及典型 Agent 触发用法。
阅读全文Pdf To Markdown Knowledge：把 PDF 笔记抽成结构化 Markdown
Pdf To Markdown Knowledge（@user_bbd16bf9/pdf-to-knowledge，v1.0.3）是 SkillHub 社区知识管理类 Skill，将 PDF 笔记抽取为结构化 Markdown。支持文本 PDF 与扫描件 OCR；自动检测 Agent 的 PDF 能力，优先原生阅读，备选 PyMuPDF、pdfplumber、Tesseract。无需 API Key。安装提示：按 skillhub.cn/install/skillhub.md 安装该坐标。触发词含 PDF知识抽取、整理PDF、扫描件OCR 等，输出可导入思维导图。
阅读全文OCR-Local-1.0：基于 Tesseract.js 的本地图片文字识别 Skill
OCR-Local-1.0 是 SkillHub 社区 Skill（office-efficiency），用 Tesseract.js 在本地从图片提取文字，requires_api_key=false，支持简体中文、繁体中文与英文。本文说明其定位、核心能力，以及按 skillhub.cn/install/skillhub.md 使用 skillhub install @user_8353d908/ocr-rlocal 安装到 Cursor、Claude Code、Codex 等 skills 目录的步骤，并给出典型对话式用法与本地 OCR 的适用注意。
阅读全文智能图片转文字：把 Word 中的图片批量解析为文字
介绍 SkillHub 社区 Skill「智能图片转文字」（@user_8a153b62/smart-ocr，v1.0.0）。官方能力为将一组图片放在 Word 文件中并解析成文字，分类 office-efficiency，标签 requires_api_key=true。说明 skillhub CLI 与对话安装方式、Cursor 等 skills 目录路径，以及适用场景与未在页面核实的功能边界。
阅读全文PDF万能大师：在 Agent 里做全能 PDF 处理
PDF万能大师（@user_e867e415/pdf-master）是 SkillHub office-efficiency 类社区 Skill，基于 Docling/Marker/OpenParse，提供 33 项 PDF 能力，含高保真转换、OCR、版式编辑、拆分、PDF→CAD、多模态 RAG 问答、合同对比与企业 DRM 等，飞书原生、无需 API Key。可通过 SkillHub 安装文档或 skillhub install 装入 Cursor 等 skills 目录，在对话中上传 PDF 完成转换与审阅类任务。
阅读全文交易截图报销助手：把支付截图整理成报销 Excel
交易截图报销助手（@user_863b76c8/expense-receipt-ocr，v1.0.0）是 SkillHub 社区 office-efficiency 类 Skill，将微信、支付宝、银行转账等截图经 OCR 抽取金额、日期、商户等字段，并汇总为含日期、金额、交易单号等列的报销 Excel。本文基于官方页面与 SKILL.md 介绍安装命令（skillhub install）、Cursor/Codex 等 skills 目录、MiniMax 或 OpenAI API Key 配置，以及单张与批量用法与注意事项。
阅读全文银行流水扫描件整理：扫描件 OCR 与结构化 Excel 导出
SkillHub 社区 Skill「银行流水扫描件整理」（@user_d2f40577/bank-statement-ocr，v1.0.0）面向律师与财务场景，将图片/PDF 扫描流水通过视觉大模型 OCR 提取日期、金额、对手与摘要，标准化后按银行与开户人生成 Excel，支持批量与多 Worker 并行。安装需 SkillHub CLI 与 requires_api_key 的视觉 API。本文介绍定位、核心能力、安装路径与典型自然语言触发方式，并说明隐私与识别质量注意事项。
阅读全文翻译小助手：自动判向的图文翻译 Skill
翻译小助手（@user_674c7529/ttk5835-1）是 SkillHub education 类社区技能，自动识别语种并按固定规则翻译：中文译英文，英/日/韩/法/德/西班牙语译中文。支持文本直译与图片 OCR 后对照输出原文与译文，交互强调只给结果、少反问。requires_api_key=false。安装需 skillhub CLI，并用 --dir 指向 Cursor 等 Agent 的 skills 目录。适合文档对照与截图外文处理，专业术语仍需人工校对。
阅读全文翔云 OCR 表格识别 文字识别-Pro：在 Agent 里做文档与表格 OCR
介绍 SkillHub 社区 Skill「翔云 OCR 表格识别 文字识别-Pro」（@user_6b190ef3/xiangyun-table-ocr，v1.0.10）。说明其作为翔云通用文档/表格识别 Agent 的定位，涵盖文字与 PDF OCR、表格提取、转 Excel/Word/Markdown、批量识别、多语言及倾斜校正等官方列出的能力；标注 requires_api_key=true。给出 skillhub install 与 AI 安装提示两种启用方式，以及基于官方触发语义的对话示例与使用注意。
阅读全文基于深度学习图片与文字本地脱敏工具：在 Agent 工作流里做本地 PII 与截图脱敏
介绍 SkillHub 社区 Skill「基于深度学习图片与文字本地脱敏工具」（@user_cf24022c/image-text-desensitization，v1.0.0，it-ops-security，无需 API Key）。说明其通过 smart_desensitize_skill 在本地处理文本、JSON 与图片（OCR/模糊），SkillHub CLI 安装到 Cursor/Codex 等 skills 目录的方式，以及依赖、典型 Python 调用与自动写入 DESENSITIZE_RULES、MEMORY 的集成注意点。
阅读全文PDF EDITOR：在 Agent 里完成 PDF 编辑、转换与提取
PDF EDITOR（@user_09701b7c/mainpdf）是 SkillHub 社区办公效率类 Skill，v1.0.1，无需 API Key。支持 PDF 合并拆分、插入图文、文字表格图片提取、扫描件 OCR，以及转 Word/图片/HTML 与文档总结。本文说明其定位、能力与 Trigger，并给出基于 skillhub.cn 安装文档的 CLI 安装步骤及 Cursor 等客户端 skills 目录路径，典型用法以对话触发为主。
阅读全文腾讯云护照识别（多国多地区）：为 Agent 封装 MLIDPassportOCR
SkillHub 上的 @tencent-adm/tencentcloud-ocr-mlidpassport（v1.0.3，腾讯云文字识别团队）将 MLIDPassportOCR 封装为 ai-agent Skill，支持 80+ 地区护照、MRZ/视读区字段、Base64 与 URL 输入、人像裁剪及国际站质量告警。文章说明安装命令、TENCENTCLOUD 密钥与 scripts/main.py 典型调用，便于在 Cursor 等 Agent 中稳定识别护照信息。
阅读全文邮箱发票自动整理：从邮箱拉附件到 A4 合并与费用清单
SkillHub 社区 Skill「邮箱发票自动整理」（@user_b8af0005/invoice-from-email，v1.1.2）面向报销归档：从邮箱搜索下载发票与行程单，经 PyMuPDF/Tesseract/PaddleOCR 自动降级提取文字，合并排版到 A4（火车票按真实尺寸上下排版），并生成单 Sheet 费用清单 Excel。官方称零 OCR 可处理九成以上电子发票。本文基于 SkillHub 页面与安装文档说明安装路径、CLI 与适用注意，需配置 API Key（requires_api_key=true）。
阅读全文本地 OCR 识别 PDF 转 Markdown：扫描件批量出可检索文本
SkillHub 社区 Skill「本地ocr识别pdf转md」（@user_543d2acf/pdf-ocr-zc，v1.0.0）面向扫描 PDF 批量 OCR：生成带文字层 PDF，并导出 Markdown 或纯文本，标签 requires_api_key=false。文章说明定位、核心能力、skillhub CLI 安装命令与各 Agent skills 目录，以及基于官方简介的可复现工作流与使用注意。
阅读全文文本识别 OCR：在 Agent 里用 Skill 做图像文字检测与识别
介绍 SkillHub 社区 Skill「文本识别 OCR」（@user_628f4cb3/ocr，v1.0.0）：输入含字图像并自动检测识别，适用于文档、广告牌与截图。说明 skillhub CLI 安装、各 Agent skills 目录、requires_api_key 配置要点，以及通过对话调用的典型流程；附官方技能页与 API 入口。
阅读全文DeepSeek Harness 插件：dsh-ocr-review
DeepSeek Harness (DSH) 的 `dsh-ocr-review` 插件将 `open-code-review` 外部 CLI 工具封装为 5 个模型工具和 1 个 Web 设置卡片，实现了参数验证、配置管理及结构化摘要返回。使用前需安装宿主环境及外部 CLI（版本 1.13.0），并注意 macOS/Linux 的兼容性及 Windows 的孤儿进程风险。
阅读全文OCR 文字识别：在 Agent 里做截图与图片 OCR
OCR 文字识别是 SkillHub 社区技能 @user_328225df/screenshot-ocr-pro（v1.0.1，office-efficiency），用于在 Agent 中提取截图与图片文字，支持中英文、批量处理与表格还原，且标注 requires_api_key=false。本文基于 SkillHub 公开页与安装文档说明定位、能力与 skillhub CLI 安装方式，并提示用法以安装包内 SKILL.md 为准。
阅读全文OCR中英文识别加强版：多引擎 OCR 与 LLM 纠错的三层架构
OCR中英文识别加强版（@user_6455574a/ocr-pro-v2，v2.1.1）是 SkillHub office-efficiency 类社区 Skill，采用多引擎集成、专项预处理与 Vision LLM 纠错三层架构，支持 PDF 与图片，面向中英文印刷体、手写体与数学公式。引擎含 RapidOCR、EasyOCR、TrOCR、Pix2Text、PP-OCRv5、腾讯 OCR（MCP）等。标签 requires_api_key=false。可通过 skillhub install 安装到 Cursor、Claude Code、Codex 等 skills 目录，或按官方提示让 AI 参照 skillhub.md 安装。
阅读全文智绘图片理解：在 Agent 里统一处理识图、OCR 与多图对比
智绘图片理解（@ixhlink/ixhlink-skills-image-explain）由星华智联科技发布，面向 design-media 场景，支持单张或多张图片的内容描述、视觉问答、文字识别与对比分析。用户说出识图、看图、描述图片、提取图片文字、对比图片等意图时可触发。SkillHub 标注为付费 Skill、requires_api_key=false，当前版本 1.0.3。安装方式为按 https://skillhub.cn/install/skillhub.md 安装上述坐标。文章说明能力边界、典型对话用法与使用注意，并给出官方 SkillHub 与 API 地址。
阅读全文PDF和图片文字提取：在 Agent 里完成图片与 PDF 的文字与表格提取
介绍 SkillHub Skill「PDF和图片文字提取」（@user_5f9c21aa/pdf-image-text-extractor，v1.0.13）。支持多格式图片与 PDF 文字识别、扫描件 AI 视觉 OCR、PyMuPDF 表格提取及目录批量处理；v2.1 方案无需 tesseract/pdfplumber。说明 skillhub 安装命令、Cursor skills 目录与 requires_api_key 注意事项，能力来自 RedFoxHub。
阅读全文dsh-umi-ocr-vision: DeepSeek Harness 的 Umi-OCR 视觉桥接插件
DeepSeek Harness 插件 `dsh-umi-ocr-vision` 通过插件化架构，为仅具备文本能力的主模型（如 `deepseek-official`）提供视觉理解能力。它利用本地运行的 Umi-OCR 工具，自动识别图片内容并将其转化为“非可信观察数据”注入上下文。插件支持多附件处理、HTTP/CLI 两种模式，确保数据不出本地，并提供了丰富的 `vision_*` 工具集。安装简单，需先启动 Umi-OCR 并在配置文件中设置参数。
阅读全文DSH Screen Agent：Windows 屏幕识别与自动化插件
DSH Harness (DSH) 引入 Lak321/dsh-screen-agent 插件，为 DeepSeek 提供桌面与网页自动化能力。该插件基于 PowerShell 和 Windows Host 实现，支持屏幕截图、OCR 识别、鼠标键盘控制及画图操作，无需第三方依赖。 安装需通过 Bundle 层栈执行指定命令。使用时通过 HTTP 接口或 Agent 对话下发指令。注意仅限 Windows 平台，需处理 DPI 缩放；使用新版画图时需规避色板卡死、拖拽失效等交互问题。
阅读全文dsh-quicksight：DeepSeek Harness 双层图片识别插件
DeepSeek Harness（DSH）的 dsh-quicksight 插件通过“本地 OCR + 视觉模型”双层策略，为纯文本模型补全了图片识别能力。该插件由 Isanti2016 维护，采用 MIT 许可证。 插件遵循“先快后准”原则：先尝试本地 RapidOCR 快速提取文字（耗时约2-3秒，完全离线，零成本）；若结果不达标（如字符数不足），则回落到视觉模型进行深度分析。安装时需配置 Python 环境以运行 Tier-1，并可选配置 modlens 以运行 Tier-2。插件不监听端口，Tier-1 纯本地处理保护隐私。支持常见图片格式，但不支持 PDF。
阅读全文dsh-tesseract-ocr：为文本模型接入本地图片 OCR
`dsh-tesseract-ocr` 是一款 DeepSeek Harness (DSH) 插件，旨在解决文本模型无法处理图片输入的问题。该插件通过本地调用 Tesseract OCR 引擎识别附件图片中的文字，并将识别后的纯文本发送至模型 API，默认保留原始图片字节在本地，不上传给模型提供商，从而避免修改模型输入模态或传输敏感数据。 核心功能包括：支持文本模型处理图片附件、本地 OCR 识别、默认仅发送文本、可选的视觉模型直通模式（`passthrough: true`），以及未加载时拒绝图片附件的 fail-closed 安全机制。适用场景为使用 DSH 文本模型且需基于图片文字问答的
阅读全文picturereader：给纯文本 DSH 模型补上本地看图能力
picturereader 是 jing-hy 维护的 DSH 模型推理插件（v3.2.0）。它通过视觉孪生 adapter 让纯文本模型获得原生缩略图，用 image_scan、image_ocr 等本地工具把图片转成结构化文本证据，支持隐私/智能/严谨三模式路由与可选外部 VLM。另含 document_to_image 文档转图与 image_edit 本地修图。默认纯本地运行，MIT 许可证。
阅读全文用 dsh-vision-complete 给 DeepSeek Harness 接上看图和听声
dsh-vision-complete 是 Yts1919 维护的 DeepSeek Harness 社区插件（MIT），给纯文本模型补上看图、OCR、检测、视频、语音和 PDF。插件本身不含视觉模型，默认经 MCP 调用通义千问，备用 vision.py 可接 OpenAI 兼容接口。目录页安装命令为 dsh plugin add github:Yts1919/dsh-vision-complete；完整启用还需 Windows 安装脚本、DASHSCOPE_API_KEY，并重启 Harness。
阅读全文用 dsh-vision-router 给纯文本 DeepSeek Harness 智能体装上眼睛
dsh-vision-router 是 ysr666 维护的 DSH 工具与能力插件（MIT，v1.4.4）。它把视觉模型当眼睛、DeepSeek 当大脑，默认提供免 Key 的 OVH 匿名兜底，并注册问答、定位、裁剪、像素对比、OCR 等 11 个像素级工具。本文按社区目录与 GitHub README 核实安装命令、自动识图模型组用法和权限注意事项。
阅读全文使用 dsh-vision-toolkit 给 DeepSeek Harness 纯文本模型补上视觉能力
dsh-vision-toolkit 是 Anionex 维护的 DeepSeek Harness 界面增强插件，把 agent-vision-toolkit 接到 Web / Headless Profile。纯文本模型粘贴图片后可切到 Vision Toolkit 变体，完成带意图的图片问答、元素定位、长截图 OCR 和带像素对比的 UI 还原。目录安装命令为 dsh plugin add github:Anionex/dsh-vision-toolkit，MIT 许可，当前 npm 版本 0.1.20。
阅读全文基于PaddlePaddle2.0验证码端到端的识别
你的代码已经涵盖了验证码识别项目的大部分内容，包括数据处理、模型训练和推理。以下是对你提供的代码进行的一些改进和完善建议： ### 1. 数据预处理 确保图像的尺寸一致（27x72），因为这是你在训练时使用的输入尺寸。 ### 2. 模型定义 你的 `Model` 类已经很好地封装了网络结构，但可以进一步优化和添加一些注释以方便理解。 ### 3. 训练过程 在训练过程中，确保使用多卡训练时
阅读全文