dsh-tool-ocr：在 DSH 里从图片与 PDF 抽取文字
dsh-tool-ocr 是 yuehancn 维护的 DSH 工具插件，用于从图片与 PDF 抽取文本：电子版 PDF 直接读文字层，扫描件与图片走用户配置的 OCR 引擎（如 Tesseract、PaddleOCR）。提供 ocr_read 与 ocr_status 两个工具，支持页码范围、语言提示与结果 note。安装命令为 dsh plugin --profile desktop add github:yuehancn/dsh-tool-ocr，配置写在 cordis.patch.yml。MIT 许可，针对 dsh 0.2.0-rc.2 构建测试。
閱讀全文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。
閱讀全文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。
閱讀全文OCR-Local-1.0：基於 Tesseract.js 的本地圖片文字識別 Skill
OCR-Local-1.0 是 SkillHub 社區 Skill（office-efficiency），用 Tesseract.js 在本地從圖片提取文字，requires_api_key=false，支持簡體中文、繁體中文與英文。本文說明其定位、核心能力，以及按 skillhub.cn/install/skillhub.md 使用 skillhub install @user_8353d908/ocr-rlocal 安裝到 Cursor、Claude Code、Codex 等 skills 目錄的步驟，並給出典型對話式用法與本地 OCR 的適用注意。
閱讀全文智能圖片轉文字：把 Word 中的圖片批量解析爲文字
介紹 SkillHub 社區 Skill「智能圖片轉文字」（@user_8a153b62/smart-ocr，v1.0.0）。官方能力爲將一組圖片放在 Word 文件中並解析成文字，分類 office-efficiency，標籤 requires_api_key=true。說明 skillhub CLI 與對話安裝方式、Cursor 等 skills 目錄路徑，以及適用場景與未在頁面覈實的功能邊界。
閱讀全文PDF萬能大師：在 Agent 裏做全能 PDF 處理
PDF萬能大師（@user_e867e415/pdf-master）是 SkillHub office-efficiency 類社區 Skill，基於 Docling/Marker/OpenParse，提供 33 項 PDF 能力，含高保真轉換、OCR、版式編輯、拆分、PDF→CAD、多模態 RAG 問答、合同對比與企業 DRM 等，飛書原生、無需 API Key。可通過 SkillHub 安裝文檔或 skillhub install 裝入 Cursor 等 skills 目錄，在對話中上傳 PDF 完成轉換與審閱類任務。
閱讀全文交易截圖報銷助手：把支付截圖整理成報銷 Excel
交易截圖報銷助手（@user_863b76c8/expense-receipt-ocr，v1.0.0）是 SkillHub 社區 office-efficiency 類 Skill，將微信、支付寶、銀行轉賬等截圖經 OCR 抽取金額、日期、商戶等字段，並彙總爲含日期、金額、交易單號等列的報銷 Excel。本文基於官方頁面與 SKILL.md 介紹安裝命令（skillhub install）、Cursor/Codex 等 skills 目錄、MiniMax 或 OpenAI API Key 配置，以及單張與批量用法與注意事項。
閱讀全文銀行流水掃描件整理：掃描件 OCR 與結構化 Excel 導出
SkillHub 社區 Skill「銀行流水掃描件整理」（@user_d2f40577/bank-statement-ocr，v1.0.0）面向律師與財務場景，將圖片/PDF 掃描流水通過視覺大模型 OCR 提取日期、金額、對手與摘要，標準化後按銀行與開戶人生成 Excel，支持批量與多 Worker 並行。安裝需 SkillHub CLI 與 requires_api_key 的視覺 API。本文介紹定位、核心能力、安裝路徑與典型自然語言觸發方式，並說明隱私與識別質量注意事項。
閱讀全文翻譯小助手：自動判向的圖文翻譯 Skill
翻譯小助手（@user_674c7529/ttk5835-1）是 SkillHub education 類社區技能，自動識別語種並按固定規則翻譯：中文譯英文，英/日/韓/法/德/西班牙語譯中文。支持文本直譯與圖片 OCR 後對照輸出原文與譯文，交互強調只給結果、少反問。requires_api_key=false。安裝需 skillhub CLI，並用 --dir 指向 Cursor 等 Agent 的 skills 目錄。適合文檔對照與截圖外文處理，專業術語仍需人工校對。
閱讀全文翔雲 OCR 表格識別 文字識別-Pro：在 Agent 裏做文檔與表格 OCR
介紹 SkillHub 社區 Skill「翔雲 OCR 表格識別 文字識別-Pro」（@user_6b190ef3/xiangyun-table-ocr，v1.0.10）。說明其作爲翔雲通用文檔/表格識別 Agent 的定位，涵蓋文字與 PDF OCR、表格提取、轉 Excel/Word/Markdown、批量識別、多語言及傾斜校正等官方列出的能力；標註 requires_api_key=true。給出 skillhub install 與 AI 安裝提示兩種啓用方式，以及基於官方觸發語義的對話示例與使用注意。
閱讀全文基於深度學習圖片與文字本地脫敏工具：在 Agent 工作流裏做本地 PII 與截圖脫敏
介紹 SkillHub 社區 Skill「基於深度學習圖片與文字本地脫敏工具」（@user_cf24022c/image-text-desensitization，v1.0.0，it-ops-security，無需 API Key）。說明其通過 smart_desensitize_skill 在本地處理文本、JSON 與圖片（OCR/模糊），SkillHub CLI 安裝到 Cursor/Codex 等 skills 目錄的方式，以及依賴、典型 Python 調用與自動寫入 DESENSITIZE_RULES、MEMORY 的集成注意點。
閱讀全文PDF EDITOR：在 Agent 裏完成 PDF 編輯、轉換與提取
PDF EDITOR（@user_09701b7c/mainpdf）是 SkillHub 社區辦公效率類 Skill，v1.0.1，無需 API Key。支持 PDF 合併拆分、插入圖文、文字表格圖片提取、掃描件 OCR，以及轉 Word/圖片/HTML 與文檔總結。本文說明其定位、能力與 Trigger，並給出基於 skillhub.cn 安裝文檔的 CLI 安裝步驟及 Cursor 等客戶端 skills 目錄路徑，典型用法以對話觸發爲主。
閱讀全文騰訊雲護照識別（多國多地區）：爲 Agent 封裝 MLIDPassportOCR
SkillHub 上的 @tencent-adm/tencentcloud-ocr-mlidpassport（v1.0.3，騰訊雲文字識別團隊）將 MLIDPassportOCR 封裝爲 ai-agent Skill，支持 80+ 地區護照、MRZ/視讀區字段、Base64 與 URL 輸入、人像裁剪及國際站質量告警。文章說明安裝命令、TENCENTCLOUD 密鑰與 scripts/main.py 典型調用，便於在 Cursor 等 Agent 中穩定識別護照信息。
閱讀全文郵箱發票自動整理：從郵箱拉附件到 A4 合併與費用清單
SkillHub 社區 Skill「郵箱發票自動整理」（@user_b8af0005/invoice-from-email，v1.1.2）面向報銷歸檔：從郵箱搜索下載發票與行程單，經 PyMuPDF/Tesseract/PaddleOCR 自動降級提取文字，合併排版到 A4（火車票按真實尺寸上下排版），並生成單 Sheet 費用清單 Excel。官方稱零 OCR 可處理九成以上電子發票。本文基於 SkillHub 頁面與安裝文檔說明安裝路徑、CLI 與適用注意，需配置 API Key（requires_api_key=true）。
閱讀全文本地 OCR 識別 PDF 轉 Markdown：掃描件批量出可檢索文本
SkillHub 社區 Skill「本地ocr識別pdf轉md」（@user_543d2acf/pdf-ocr-zc，v1.0.0）面向掃描 PDF 批量 OCR：生成帶文字層 PDF，並導出 Markdown 或純文本，標籤 requires_api_key=false。文章說明定位、核心能力、skillhub CLI 安裝命令與各 Agent skills 目錄，以及基於官方簡介的可復現工作流與使用注意。
閱讀全文文本識別 OCR：在 Agent 裏用 Skill 做圖像文字檢測與識別
介紹 SkillHub 社區 Skill「文本識別 OCR」（@user_628f4cb3/ocr，v1.0.0）：輸入含字圖像並自動檢測識別，適用於文檔、廣告牌與截圖。說明 skillhub CLI 安裝、各 Agent skills 目錄、requires_api_key 配置要點，以及通過對話調用的典型流程；附官方技能頁與 API 入口。
閱讀全文DeepSeek Harness 插件：dsh-ocr-review
DeepSeek Harness (DSH) 的 `dsh-ocr-review` 插件將 `open-code-review` 外部 CLI 工具封裝爲 5 個模型工具和 1 個 Web 設置卡片，實現了參數驗證、配置管理及結構化摘要返回。使用前需安裝宿主環境及外部 CLI（版本 1.13.0），並注意 macOS/Linux 的兼容性及 Windows 的孤兒進程風險。
閱讀全文OCR 文字識別：在 Agent 裏做截圖與圖片 OCR
OCR 文字識別是 SkillHub 社區技能 @user_328225df/screenshot-ocr-pro（v1.0.1，office-efficiency），用於在 Agent 中提取截圖與圖片文字，支持中英文、批量處理與表格還原，且標註 requires_api_key=false。本文基於 SkillHub 公開頁與安裝文檔說明定位、能力與 skillhub CLI 安裝方式，並提示用法以安裝包內 SKILL.md 爲準。
閱讀全文OCR中英文識別加強版：多引擎 OCR 與 LLM 糾錯的三層架構
OCR中英文識別加強版（@user_6455574a/ocr-pro-v2，v2.1.1）是 SkillHub office-efficiency 類社區 Skill，採用多引擎集成、專項預處理與 Vision LLM 糾錯三層架構，支持 PDF 與圖片，面向中英文印刷體、手寫體與數學公式。引擎含 RapidOCR、EasyOCR、TrOCR、Pix2Text、PP-OCRv5、騰訊 OCR（MCP）等。標籤 requires_api_key=false。可通過 skillhub install 安裝到 Cursor、Claude Code、Codex 等 skills 目錄，或按官方提示讓 AI 參照 skillhub.md 安裝。
閱讀全文智繪圖片理解：在 Agent 裏統一處理識圖、OCR 與多圖對比
智繪圖片理解（@ixhlink/ixhlink-skills-image-explain）由星華智聯科技發佈，面向 design-media 場景，支持單張或多張圖片的內容描述、視覺問答、文字識別與對比分析。用戶說出識圖、看圖、描述圖片、提取圖片文字、對比圖片等意圖時可觸發。SkillHub 標註爲付費 Skill、requires_api_key=false，當前版本 1.0.3。安裝方式爲按 https://skillhub.cn/install/skillhub.md 安裝上述座標。文章說明能力邊界、典型對話用法與使用注意，並給出官方 SkillHub 與 API 地址。
閱讀全文PDF和圖片文字提取：在 Agent 裏完成圖片與 PDF 的文字與表格提取
介紹 SkillHub Skill「PDF和圖片文字提取」（@user_5f9c21aa/pdf-image-text-extractor，v1.0.13）。支持多格式圖片與 PDF 文字識別、掃描件 AI 視覺 OCR、PyMuPDF 表格提取及目錄批量處理；v2.1 方案無需 tesseract/pdfplumber。說明 skillhub 安裝命令、Cursor skills 目錄與 requires_api_key 注意事項，能力來自 RedFoxHub。
閱讀全文dsh-umi-ocr-vision: DeepSeek Harness 的 Umi-OCR 視覺橋接插件
DeepSeek Harness 插件 `dsh-umi-ocr-vision` 通過插件化架構，爲僅具備文本能力的主模型（如 `deepseek-official`）提供視覺理解能力。它利用本地運行的 Umi-OCR 工具，自動識別圖片內容並將其轉化爲“非可信觀察數據”注入上下文。插件支持多附件處理、HTTP/CLI 兩種模式，確保數據不出本地，並提供了豐富的 `vision_*` 工具集。安裝簡單，需先啓動 Umi-OCR 並在配置文件中設置參數。
閱讀全文DSH Screen Agent：Windows 屏幕識別與自動化插件
DSH Harness (DSH) 引入 Lak321/dsh-screen-agent 插件，爲 DeepSeek 提供桌面與網頁自動化能力。該插件基於 PowerShell 和 Windows Host 實現，支持屏幕截圖、OCR 識別、鼠標鍵盤控制及畫圖操作，無需第三方依賴。 安裝需通過 Bundle 層棧執行指定命令。使用時通過 HTTP 接口或 Agent 對話下發指令。注意僅限 Windows 平臺，需處理 DPI 縮放；使用新版畫圖時需規避色板卡死、拖拽失效等交互問題。
閱讀全文dsh-quicksight：DeepSeek Harness 雙層圖片識別插件
DeepSeek Harness（DSH）的 dsh-quicksight 插件通過“本地 OCR + 視覺模型”雙層策略，爲純文本模型補全了圖片識別能力。該插件由 Isanti2016 維護，採用 MIT 許可證。 插件遵循“先快後準”原則：先嚐試本地 RapidOCR 快速提取文字（耗時約2-3秒，完全離線，零成本）；若結果不達標（如字符數不足），則回落到視覺模型進行深度分析。安裝時需配置 Python 環境以運行 Tier-1，並可選配置 modlens 以運行 Tier-2。插件不監聽端口，Tier-1 純本地處理保護隱私。支持常見圖片格式，但不支持 PDF。
閱讀全文dsh-tesseract-ocr：爲文本模型接入本地圖片 OCR
`dsh-tesseract-ocr` 是一款 DeepSeek Harness (DSH) 插件，旨在解決文本模型無法處理圖片輸入的問題。該插件通過本地調用 Tesseract OCR 引擎識別附件圖片中的文字，並將識別後的純文本發送至模型 API，默認保留原始圖片字節在本地，不上傳給模型提供商，從而避免修改模型輸入模態或傳輸敏感數據。 核心功能包括：支持文本模型處理圖片附件、本地 OCR 識別、默認僅發送文本、可選的視覺模型直通模式（`passthrough: true`），以及未加載時拒絕圖片附件的 fail-closed 安全機制。適用場景爲使用 DSH 文本模型且需基於圖片文字問答的
閱讀全文picturereader：給純文本 DSH 模型補上本地看圖能力
picturereader 是 jing-hy 維護的 DSH 模型推理插件（v3.2.0）。它通過視覺孿生 adapter 讓純文本模型獲得原生縮略圖，用 image_scan、image_ocr 等本地工具把圖片轉成結構化文本證據，支持隱私/智能/嚴謹三模式路由與可選外部 VLM。另含 document_to_image 文檔轉圖與 image_edit 本地修圖。默認純本地運行，MIT 許可證。
閱讀全文用 dsh-vision-complete 給 DeepSeek Harness 接上看圖和聽聲
dsh-vision-complete 是 Yts1919 維護的 DeepSeek Harness 社區插件（MIT），給純文本模型補上看圖、OCR、檢測、視頻、語音和 PDF。插件本身不含視覺模型，默認經 MCP 調用通義千問，備用 vision.py 可接 OpenAI 兼容接口。目錄頁安裝命令爲 dsh plugin add github:Yts1919/dsh-vision-complete；完整啓用還需 Windows 安裝腳本、DASHSCOPE_API_KEY，並重啓 Harness。
閱讀全文用 dsh-vision-router 給純文本 DeepSeek Harness 智能體裝上眼睛
dsh-vision-router 是 ysr666 維護的 DSH 工具與能力插件（MIT，v1.4.4）。它把視覺模型當眼睛、DeepSeek 當大腦，默認提供免 Key 的 OVH 匿名兜底，並註冊問答、定位、裁剪、像素對比、OCR 等 11 個像素級工具。本文按社區目錄與 GitHub README 覈實安裝命令、自動識圖模型組用法和權限注意事項。
閱讀全文使用 dsh-vision-toolkit 給 DeepSeek Harness 純文本模型補上視覺能力
dsh-vision-toolkit 是 Anionex 維護的 DeepSeek Harness 界面增強插件，把 agent-vision-toolkit 接到 Web / Headless Profile。純文本模型粘貼圖片後可切到 Vision Toolkit 變體，完成帶意圖的圖片問答、元素定位、長截圖 OCR 和帶像素對比的 UI 還原。目錄安裝命令爲 dsh plugin add github:Anionex/dsh-vision-toolkit，MIT 許可，當前 npm 版本 0.1.20。
閱讀全文基於PaddlePaddle2.0驗證碼端到端的識別
你的代碼已經涵蓋了驗證碼識別項目的大部分內容，包括數據處理、模型訓練和推理。以下是對你提供的代碼進行的一些改進和完善建議： ### 1. 數據預處理 確保圖像的尺寸一致（27x72），因爲這是你在訓練時使用的輸入尺寸。 ### 2. 模型定義 你的 `Model` 類已經很好地封裝了網絡結構，但可以進一步優化和添加一些註釋以方便理解。 ### 3. 訓練過程 在訓練過程中，確保使用多卡訓練時
閱讀全文