Menu
图片识别与图文理解，基于 PaddleOCR-VL 模型，支持识别图片中的文字、场景、物体等信息。支持109种语言，可输出JSON或Markdown格式。
Install with Codex or Claude Copy this prompt, paste it into Codex, Claude, or another assistant, and let it review the skill page and install it for you.
Based on SOC occupation classification
Word文档处理：创建、编辑、读取.docx文件。用户提到"Word"、"文档"、".docx"、"报告"、"信函"时使用。
使用腾讯云 API 密钥调用腾讯云各种服务，包括翻译、CVM、COS等。
You MUST use this for gathering contexts before any work. This is a Knowledge management for AI agents. Use `brv` to store and retrieve project patterns, decisions, and architectural rules in .brv/context-tree. Uses a configured LLM provider (default: ByteRover, no API key needed) for query and curate operations.
Typed knowledge graph for structured agent memory and composable skills. Use when creating/querying entities (Person, Project, Task, Event, Document), linking related objects, enforcing constraints, planning multi-step actions as graph transformations, or when skills need to share state. Trigger on "remember", "what do I know about", "link X to Y", "show dependencies", entity CRUD, or cross-skill data access.
Transform AI agents from task-followers into proactive partners that anticipate needs and continuously improve. Now with WAL Protocol, Working Buffer, Autonomous Crons, and battle-tested patterns. Part of the Hal Stack 🦞
Captures learnings, errors, and corrections to enable continuous improvement. Use when: (1) A command or operation fails unexpectedly, (2) User corrects Claude ('No, that's wrong...', 'Actually...'), (3) User requests a capability that doesn't exist, (4) An external API or tool fails, (5) Claude realizes its knowledge is outdated or incorrect, (6) A better approach is discovered for a recurring task. Also review learnings before major tasks.
| name | Image Recognition |
| description | 图片识别与图文理解，基于 PaddleOCR-VL 模型，支持识别图片中的文字、场景、物体等信息。支持109种语言，可输出JSON或Markdown格式。 |
| triggers | ["识别图片","看图","图片识别","OCR","文字识别","图片内容"] |
| mcp | {"command":"uvx","args":["paddleocr-vl-mcp"],"env":{"PADDLEOCR_API_KEY":"your_api_key"}} |
基于 PaddleOCR-VL 的图像识别服务：
百度开源的视觉语言模型：
功能：从图片中提取文字内容
参数说明：
| 参数 | 类型 | 必需 | 说明 |
|---|---|---|---|
| image | string | ✅ | 图片文件路径或URL |
| format | string | ❌ | 输出格式：json/markdown，默认markdown |
| language | string | ❌ | 语言代码，默认自动检测 |
使用示例：
{
"image": "/path/to/image.png",
"format": "markdown",
"language": "ch"
}
返回信息：
功能：分析文档图片的版面结构
参数：
image: 文档图片output_format: 输出格式返回：
功能：从图片中提取表格数据
参数：
image: 包含表格的图片返回：
{
"mcpServers": {
"image-recognition": {
"command": "uvx",
"args": ["paddleocr-vl-mcp"],
"env": {
"PADDLEOCR_API_KEY": "your-api-key"
}
}
}
}
用户：帮我把这份扫描文档转成文字
助手：[调用extract_text，返回Markdown格式]
用户：提取这张图片里的表格数据
助手：[调用extract_table，返回结构化数据]
用户：识别这张截图里的文字
助手：[调用extract_text]
用户：识别这张日文图片的内容
助手：[设置language=ja进行识别]
支持 109种语言 的OCR识别
{
"text": "识别的文字",
"bbox": [x1, y1, x2, y2],
"confidence": 0.95
}
适用场景：需要精确位置信息、程序处理
# 文档标题
正文内容...
| 列1 | 列2 |
|-----|-----|
| 数据 | 数据 |
适用场景：文档阅读、内容展示
# 需要位置信息
extract_text(image, format="json")
# 只需要文本内容
extract_text(image, format="markdown")
# 中文文档
extract_text(image, language="ch")
# 日文文档
extract_text(image, language="ja")
# 混合语言（自动检测）
extract_text(image, language="auto")
# 先分析版面
layout = analyze_document(image)
# 再提取各区域内容
for region in layout.regions:
if region.type == "table":
extract_table(region)
else:
extract_text(region)
⚠️ 重要提示：
| 场景 | 推荐工具 | 说明 |
|---|---|---|
| 文档数字化 | extract_text | 扫描件转文字 |
| 表格录入 | extract_table | 图片表格转Excel |
| 截图提取 | extract_text | 快速获取截图文字 |
| 学术论文 | analyze_document | 识别公式图表 |
A:
A: 支持，但准确率可能低于印刷体
A: 使用extract_table工具，会自动识别表格结构
A: 可以，PaddleOCR-VL支持公式识别
pdf（提取页面）→ image-recognition（识别）→ 整理归档
image-recognition（识别表格）→ xlsx（写入Excel）→ 数据分析
更新时间: 2026-03-08 版本: 1.0 适用对象: 文档处理、数据提取、内容识别