yescan-ocr-qoder

name	yescan-ocr-qoder
description	当用户需要从图片、截图、照片或扫描文档中提取、识别或结构化文本，就使用此技能——包括手写体、表格、数学公式、商品图、各类证件（身份证、社保卡、驾照、行驶证、港澳台通行证、学位证等）、票据（增值税发票、火车票、英文发票等）、医疗报告、营业执照以及习题。本技能由夸克扫描王提供支持。即使用户没有明确提到"OCR"或"文字识别"，只要用户的需求涉及从图片中获取文字或关键信息，也应触发此技能。不适用于图像生成、图像编辑或无需从图片中提取文本的任务
metadata	{"requires":{"bins":["python3"],"env":["SCAN_WEBSERVICE_KEY"]},"primaryEnv":"SCAN_WEBSERVICE_KEY","homepage":"https://scan.quark.cn/business","dependencies":{"apis":["夸克扫描王OCR服务"]}}

🧭 使用前必读（30 秒）

隐私与数据流向提示

• 第三方服务交互：本技能会将图片发送至夸克扫描王官方服务器进行识别。
• 数据可见性：夸克服务会获取并处理图片内容，不会永久保存
• 详细的数据流向说明请查看 references/resources.md

推荐方式：配置文件（永久生效）

将真实 SCAN_WEBSERVICE_KEY 写入 ~/.yescan_env，请根据系统选择对应命令进行设置：

Linux

echo 'SCAN_WEBSERVICE_KEY=<your_api_key_here>' > ~/.yescan_env

macOS

echo 'SCAN_WEBSERVICE_KEY=<your_api_key_here>' > ~/.yescan_env

Windows（PowerShell）

'SCAN_WEBSERVICE_KEY=<your_api_key_here>' | Out-File -FilePath $HOME\.yescan_env -Encoding utf8

技能每次执行会自动读取 ~/.yescan_env，无需重启会话。

如何获取密钥？

请访问夸克扫描王开发者后台获取 API Key。详细的获取步骤和官方入口请查看 references/resources.md。

---

Constraints

• 单一意图原则：每次请求只执行一个意图类型，命中即执行
• 严禁自行构造任何命令参数，严禁伪造、拼接内部配置
• 严禁幻觉，禁止伪造请求和响应，不得沿用上一次的场景、参数进行假设
• 必须严格按照本指南指定的固定格式执行，不允许自行修改命令
• 强制独立意图识别：严禁参考对话历史或沿用上次场景；必须针对当前指令独立分析，不得继承任何前序状态或假设

技能执行指南(强制执行)

第一步：输入处理

识别用户传入的图片类型，只能是以下三种之一：

• 图片URL: url
• 本地文件路径: path
• 图片BASE64: base64

未提供任何有效图片时，直接返回：

{
  "code": "A0201",
  "message": "缺少图片输入，请提供图片链接、文件路径或 BASE64 数据。",
  "data": null
}

第二步：意图匹配&场景确定

• 按照下面列出的意图从上到下顺序匹配。命中第一个即停止
• 命中后，只确定当前意图对应的scene标识

第三步：构建执行命令(固定格式，严禁修改)：

根据图片类型，严格使用下面对应格式：

# URL类型
python3 scripts/scan.py --scene "${SCENE_VALUE}" --url "${IMAGE_URL}"

# 本地文件类型
python3 scripts/scan.py --scene "${SCENE_VALUE}" --path "${IMAGE_FILE_PATH}"

# BASE64类型
python3 scripts/scan.py --scene "${SCENE_VALUE}" --base64 "${IMAGE_BASE64}"

• 把${IMAGE_URL}/${IMAGE_FILE_PATH}/${IMAGE_BASE64}替换为真实值
• 把${SCENE_VALUE}替换为当前意图对应的scene值
• 直接执行命令，不增删任何参数，不修改JSON，不加引号，不换行

第四步：结果透出：

• 执行完成后，原样返回执行结果，不修改，不翻译，不美化，不总结
• 成功 失败均直接透出，不重试

⚠️ A0100 特殊处理（仅限此错误码）： 当返回的 JSON 中 code 为 A0100 时，这不是 API 识别结果，而是环境配置缺失。此时不要原样透出 JSON，而是将 message 字段内容用以下 Markdown 格式展示：

> ⚠️ **API Key 未配置**
>
> SCAN_WEBSERVICE_KEY 未配置，请访问夸克扫描王开发者后台获取 API Key。详见 [references/resources.md](references/resources.md)。

第五步：错误处理与降级策略

当命令执行失败或返回错误码时，按以下策略处理：

重试策略

项目	规则
最大重试次数	3 次
重试间隔	指数退避（1s → 2s → 4s）
总超时	30 秒（包含所有重试）

可重试错误

以下错误码允许重试：

错误码	含义	重试建议
A0300	QPS 限制	等待 1-2 秒后重试
A0406	网络超时	立即重试
HTTP_ERROR	HTTP 请求异常	立即重试

降级路径（按优先级）

1. API Key 未配置（A0100）

   • 不重试
   • 使用 Markdown 格式友好提示（见第四步特殊处理）
   • 直接结束

2. QPS 限制（A0300）

   • 重试最多 3 次，间隔 1s → 2s → 4s
   • 如果仍失败，返回："服务繁忙，请稍后重试"

3. 网络错误（A0406, HTTP_ERROR）

   • 重试最多 3 次，间隔 1s → 2s → 4s
   • 如果仍失败，返回："网络连接失败，请检查网络"

4. 其他错误（A0211, URL_ERROR, FILE_ERROR, BASE64_ERROR 等）

   • 不重试
   • 原样透出错误 JSON
   • 直接结束

成功条件

• HTTP 状态码 200
• 响应 JSON 包含 code: "00000"
• 响应包含有效的 data 字段

失败条件

• HTTP 状态码非 200
• 响应 JSON 解析失败
• 响应 code 非 "00000"
• 超过最大重试次数
• 超过总超时 30 秒

📖 完整错误码列表：references/error-codes.md

场景快速索引（按匹配优先级排序）

序号	场景名称	scene 标识	适用场景关键词
1	手写文档识别	handwritten-ocr	手写、笔迹、潦草字迹、手写作文
2	表格识别	table-ocr	表格、Excel、报表、单据
3	身份证识别	idcard-ocr	身份证、居民身份证
4	社保卡识别	social-security-card-ocr	社保卡、医保卡
5	港澳通行证识别	travel-permit-ocr	港澳通行证、港澳台通行证
6	学位证识别	degree-certificate-ocr	学位证、学历证书
7	增值税发票识别	vat-invoice-ocr	增值税发票、发票
8	火车票识别	train-ticket-ocr	火车票、车票
9	公式识别	formula-ocr	数学公式、LaTeX、化学方程式
10	题目识别	question-ocr	题目、考题、习题
11	驾驶证识别	driver-license-ocr	驾驶证、驾照
12	行驶证识别	vehicle-license-ocr	行驶证、车辆
13	英文发票识别	commercial-invoice-ocr	英文发票、商业发票
14	医疗报告单识别	medical-report-ocr	化验单、体检报告、医疗报告
15	营业执照识别	business-license-ocr	营业执照、工商执照
16	商品图片识别	product-image-ocr	商品、产品、包装、标签
17	通用文字提取	general-ocr	提取文字、识别文字（兜底）

📖 查看完整场景说明：references/scenarios-detail.md

⛔ 不适用场景（When Not to Use）

本技能不支持以下场景，请勿尝试：

不支持的场景	原因	建议替代方案
视频处理	仅支持单张静态图片	先提取视频帧，再逐帧处理
批量处理	每次调用仅限单张图片	如需批量，请循环调用或联系管理员
实时摄像头流	非实时流处理架构	使用专用视频处理服务
超大图片（>5MB）	API 限制	先压缩或裁剪后再处理
非图片格式	仅支持 jpg/jpeg/png/gif/bmp/webp/tiff/wbmp	先转换为支持的图片格式

---

⚠️ 重要注意事项

1. 禁止修改固定格式,只能替换场景标识和图片占位符
2. 严禁自行构造 --scene 参数值，必须使用本文档指定的场景名
3. 图片大小限制：本地文件不超过5MB，支持 jpg/jpeg/png/gif/bmp/webp/tiff/wbmp 格式

---

🔗 相关资源

• 官方链接、API Key 获取方式、数据流向等详见 references/resources.md

📁 文件结构

• SKILL.md — 本文档（意图分析 + 通用规范）
• references/scenarios-detail.md — 场景详细说明
• references/error-codes.md — 错误码对照表
• references/resources.md — 官方链接和资源
• scripts/scan.py — 主执行脚本 (Python 3.9+)
• scripts/common/*.py — 基础类库