القائمة
使用百度智能云 Unlimited-OCR 进行文档解析 — 一次性长视野文档解析，支持图片、PDF、表格、手写体。 当用户需要从图片或 PDF 中提取文字、解析表格、识别文档内容时使用。 也适用于：发票识别、身份证识别、营业执照识别、试卷分析等场景。
التثبيت باستخدام Codex أو Claude انسخ هذا Prompt والصقه في Codex أو Claude أو مساعد آخر ليراجع صفحة Skill ويثبّتها لك.
استنادا إلى تصنيف SOC المهني
工作流执行引擎 Subagent — 独立上下文执行任务1~12
agents-workflow — 自动检测 task 可用性，支持所有平台
agents-workflow 安装器——用户提供仓库地址即可自动完成全部安装配置
架构评审技能——当需要审查系统架构设计、评估技术债务、检查架构腐化风险、或做多视角架构评审时使用。结合专家模拟和规则检测，输出可量化的架构健康报告。
领域建模技能——当需要从需求中提取领域模型、定义实体和边界、建立通用语言时使用。在架构设计之前执行领域建模。
会话交接技能——当需要把当前对话的上下文（进度、发现、决策）打包交接给另一个 AI 会话或另一个开发者时使用。
| name | baidu-unlimited-ocr |
| description | 使用百度智能云 Unlimited-OCR 进行文档解析 — 一次性长视野文档解析，支持图片、PDF、表格、手写体。 当用户需要从图片或 PDF 中提取文字、解析表格、识别文档内容时使用。 也适用于：发票识别、身份证识别、营业执照识别、试卷分析等场景。 |
| license | MIT |
| metadata | {"version":"1.0","category":"ai-ocr-document","sources":["https://cloud.baidu.com/doc/OCR/s/fmr1p39gb"]} |
百度 OCR 支持两种调用方式，按当前环境自动选择：
适用于支持 MCP SSE 传输的工具。
[[plugins]]
name = "baidu-ocr-document"
type = "http"
url = "https://aip.baidubce.com/mcp/document/sse"
headers = { Authorization = "Bearer ${BAIDU_OCR_API_KEY}" }
适用于不支持 MCP SSE 的工具（AutoClaw、Cursor 等），直接用 REST API + Base64 编码。
环境变量：
BAIDU_OCR_API_KEY=你的API Key
BAIDU_OCR_SECRET_KEY=你的Secret Key
调用流程：
import requests, base64, os
def baidu_ocr(image_path: str) -> dict:
"""百度 OCR 文档解析 — 直接 REST API 调用"""
# 1. 获取 access_token
token_url = "https://aip.baidubce.com/oauth/2.0/token"
resp = requests.post(token_url, data={
"grant_type": "client_credentials",
"client_id": os.environ["BAIDU_OCR_API_KEY"],
"client_secret": os.environ["BAIDU_OCR_SECRET_KEY"]
}).json()
token = resp["access_token"]
# 2. 读取图片并 Base64 编码
with open(image_path, "rb") as f:
img_b64 = base64.b64encode(f.read()).decode()
# 3. 调用文档解析 API
url = f"https://aip.baidubce.com/rest/2.0/ocr/v1/doc_analysis?access_token={token}"
result = requests.post(url, data={
"image": img_b64,
"language_type": "CHN_ENG"
}).json()
return result
Shell 一行式（图片 OCR）：
# 获取 token
TOKEN=$(curl -s "https://aip.baidubce.com/oauth/2.0/token?grant_type=client_credentials&client_id=$BAIDU_OCR_API_KEY&client_secret=$BAIDU_OCR_SECRET_KEY" | python3 -c "import sys,json; print(json.load(sys.stdin)['access_token'])")
# OCR 识别
curl -s "https://aip.baidubce.com/rest/2.0/ocr/v1/doc_analysis?access_token=$TOKEN" --data-urlencode "image=$(base64 -w0 image.png)" --data-urlencode "language_type=CHN_ENG"
浏览器直接 API（手动测试）：
1. https://console.bce.baidu.com/iam/#/iam/apikey/list → 获取 Key+Secret
2. https://aip.baidubce.com/oauth/2.0/token → 换取 access_token
3. https://aip.baidubce.com/rest/2.0/ocr/v1/doc_analysis → 提交图片
检测当前是否有 MCP SSE 能力：
├── 有 → 使用 MCP SSE（方式一）
└── 无 → 使用 REST API（方式二）
基于百度智能云 Unlimited-OCR 模型（基于 DeepSeek-OCR 改进），支持：
| 功能 | 说明 |
|---|---|
| 文档解析 | 一次性长视野解析整页文档，保持版面结构 |
| 表格识别 | 自动识别表格结构，输出 HTML 表格 |
| 手写体识别 | 支持手写与印刷体混排场景 |
| 多页 PDF | 自动将 PDF 转换为图片分批处理 |
| 版面分析 | 识别标题、段落、图表、表格等版面元素 |
"解析这张图片中的文字：C:/document.png"
"提取这个PDF的内容：C:/report.pdf"
"识别这张发票上的信息：C:/invoice.jpg"
百度 OCR 还支持大量结构化识别场景（需使用对应 MCP 工具）：
| 场景 | 工具 | 返回字段 |
|---|---|---|
| 身份证 | ocr_id_card | 姓名、身份证号、地址、有效期等 |
| 营业执照 | ocr_business_license | 公司名、法人、信用代码、经营范围等 |
| 增值税发票 | ocr_vat_invoice | 发票号、金额、税额、购买方等 |
| 银行卡 | ocr_bank_card | 卡号、有效期、发卡行、卡片类型 |
| 车牌 | ocr_license_plate | 车牌号、地域编号 |
在工作流中，百度 Unlimited-OCR 作为多模态 MCP 的一种补充，在以下场景调用：
| 维度 | Baidu Unlimited-OCR (API) | MiMo MCP (本地模型) |
|---|---|---|
| 运行环境 | 无需 GPU，纯 API 调用 | 需 Node.js 运行时 |
| 核心能力 | 文档解析、OCR、结构化识别 | 通用多模态（图片/音频/视频/TTS） |
| 文档识别 | ⭐ 更优（专用 OCR 模型） | 通用能力 |
| 多模态 | 仅文字识别 | 图片/音频/视频/TTS 全支持 |
| 成本 | 按调用量计费 | 按 MiMo API Token 计费 |