rapidocr

name	rapidocr
description	使用 RapidOCR 对本地图片做 OCR。当用户要从 PNG/JPG/JPEG/WEBP/BMP/TIFF 图片中提取文字、返回结构化 JSON、标记低置信度或疑似金额数字，或把表格截图粗略还原成 Markdown 表格时使用；只处理本地文件，不下载远程 URL。

RapidOCR

用本 skill 从本地图片中提取文字。运行入口是 Python 脚本，依赖通过 uv tool 安装和隔离。

适用场景

• 用户给出本地图片路径，要求 OCR / 识别文字 / 提取截图内容。
• 图片格式是 png、jpg、jpeg、webp、bmp、tif、tiff。
• 需要结构化 JSON，便于后续程序处理。
• 需要对低置信度文本、金额/数量/日期类数字做复核提示。
• 用户明确要“表格”“Markdown 表格”“CSV”时，可用 --table 做启发式表格还原。

不适用场景

• 远程图片 URL 下载后 OCR。
• PDF OCR。
• 需要法律/财务级准确性的金额或合同抽取，除非后续有人复核。
• 需要可靠表格结构还原；--table 只是基于 OCR 框的启发式重排。

依赖安装

Python 工具依赖统一使用 uv tool：

uv tool install --force rapidocr --with onnxruntime

不要改成 python -m pip install ...。

基本调用

python3 "$SKILL_DIR/scripts/run_rapidocr.py" "/absolute/path/to/image.png"

结构化输出：

python3 "$SKILL_DIR/scripts/run_rapidocr.py" "/absolute/path/to/image.png" --json

表格截图：

python3 "$SKILL_DIR/scripts/run_rapidocr.py" "/absolute/path/to/table.png" --json --table

脚本会先尝试当前 Python。如果当前 Python 没有 rapidocr，会自动 re-exec 到 uv tool 环境：

• macOS/Linux: $(uv tool dir)/rapidocr/bin/python
• Windows: $(uv tool dir)/rapidocr/Scripts/python.exe

输出说明

普通模式输出纯文本，一行一个识别文本块。

JSON 模式包含：

• text: 合并后的纯文本
• lines: 识别行数组
• boxes: OCR 框
• scores: 置信度
• items: 每行文本、框、置信度、中心点
• review.low_confidence: 低置信度行
• review.amount_like: 疑似金额/数量/日期等数字行
• review.needs_review: 是否建议人工复核
• table.markdown: 使用 --table 时的启发式 Markdown 表格

使用规则

1. 优先传绝对路径。
2. 如果用户要 JSON，保留脚本原始 JSON，不要把结构压扁。
3. 如果 review.needs_review 为 true，回复里要提醒用户复核低置信度或金额数字。
4. 如果使用 --table，明确说明这是启发式表格，还需要人工核对结构。
5. 对报价单、合同、发票、付款信息，默认提醒“金额和数量需要复核”。

验证

uv tool install --force rapidocr --with onnxruntime
python3 "$SKILL_DIR/scripts/run_rapidocr.py" "/absolute/path/to/image.png" --json

能输出可解析 JSON，且包含 review 字段，就算 wiring 正常。