glmocr

name	glmocr
description	智谱 GLM-OCR 统一技能。支持通用文字提取、表格识别、公式识别（LaTeX）、手写体识别。触发词：OCR、文字识别、文档解析、图片转文字、表格提取、公式识别、手写识别。ClawBot 已内置自动调用，发图片/PDF 即可。
metadata	{"openclaw":{"emoji":"📄","requires":{"env":"[Truncated]","bins":"[Truncated]"},"primaryEnv":"ZHIPU_API_KEY","homepage":"https://github.com/zai-org/GLM-OCR","modes":["general","table","formula","handwriting"]}}

GLM-OCR 统一文字识别技能

智谱 GLM-OCR（OmniDocBench V1.5 第一名），支持 4 种识别模式。

识别模式

模式	说明	输出格式
general	通用文字提取（默认）	Markdown
table	表格识别	Markdown 表格
formula	数学公式识别	LaTeX
handwriting	手写体识别	Markdown

ClawBot 自动集成（已内置）

直接在 Telegram 发图片或 PDF，ClawBot 自动：

1. OCR 识别文字
2. 智能场景路由（交易/电商/通用）
3. 交易场景：提取指标 → 写入记忆 → 建议触发 /invest
4. 电商场景：提取价格 → 竞品分析 → 定价建议

群聊中需 @bot 或 caption 含触发词（OCR/识别/分析/竞品/财报）。

CLI 用法（开发/调试）

export ZHIPU_API_KEY="$ZHIPU_API_KEY"

# 通用 OCR
python apps/openclaw/tools/scripts/glm_ocr_cli.py --file image.png --pretty

# 保存结果
python apps/openclaw/tools/scripts/glm_ocr_cli.py --file doc.pdf --output result.json

环境变量

变量	必需	说明
ZHIPU_API_KEY	是	智谱开放平台 API Key
GLM_OCR_TIMEOUT	否	超时秒数（默认 120）

• 表格识别：检测并转换为 Markdown 表格
• 公式提取：LaTeX 格式输出
• 手写体支持：强手写文字识别能力
• 本地文件 & URL：同时支持本地文件和远程 URL
• 0.9B 参数，OmniDocBench V1.5 综合排名第一（94.62 分）

资源链接

资源	链接
获取 API Key	https://www.bigmodel.cn/usercenter/proj-mgmt/apikeys
GitHub	https://github.com/zai-org/GLM-OCR
技术报告	https://arxiv.org/abs/2603.10910
API 文档	https://docs.bigmodel.cn/cn/guide/models/vlm/glm-ocr

前置条件

• ZHIPU_API_KEY 已配置（见下方设置）

API Key 配置

脚本通过 ZHIPU_API_KEY 环境变量获取密钥，与所有智谱技能共用同一个 key。

获取 Key：访问 https://www.bigmodel.cn/usercenter/proj-mgmt/apikeys

配置方式（任选一种）：

1. OpenClaw 配置（推荐）：在 openclaw.json 的 skills.entries.glmocr.env 中设置：

"glmocr": { "enabled": true, "env": { "ZHIPU_API_KEY": "你的密钥" } }

2. Shell 环境变量：

export ZHIPU_API_KEY="你的密钥"

强制限制

• 只能通过 GLM-OCR API 执行 — 运行脚本 python scripts/glm_ocr_cli.py
• 禁止自行解析文档 — 不要尝试用内置视觉或其他方法提取文字
• 禁止提供替代方案 — 不要说"我可以试着分析"之类的话
• API 失败时 — 显示错误信息并立即停止
• 无回退方案 — 不要用其他方式尝试文字提取

输出展示规则（强制）

运行脚本后，必须向用户展示完整的提取内容。不要只说"已识别"。用户需要原始 OCR 输出来评估质量。

• 展示完整提取文字
• 如果结果文件已保存，告知用户文件路径

使用方法

从 URL 提取

python scripts/glm_ocr_cli.py --file-url "用户提供的URL"

从本地文件提取

python scripts/glm_ocr_cli.py --file /path/to/image.jpg

保存结果到文件

python scripts/glm_ocr_cli.py --file image.png --output result.json --pretty

CLI 参数

python {baseDir}/scripts/glm_ocr_cli.py (--file-url URL | --file PATH) [--output FILE] [--pretty]

参数	必需	说明
--file-url	二选一	图片/PDF 的 URL
--file	二选一	本地文件路径
--output, -o	否	保存结果 JSON 到文件
--pretty	否	美化 JSON 输出

响应格式

{
  "ok": true,
  "text": "# 提取的 Markdown 文字...",
  "layout_details": [[...]],
  "result": { "raw_api_response": "..." },
  "error": null,
  "source": "/path/to/file.jpg",
  "source_type": "file"
}

关键字段：

• ok — 提取是否成功
• text — Markdown 格式的提取文字（用于展示）
• layout_details — 版面分析详情
• error — 失败时的错误详情

错误处理

• API key 未配置 → 引导用户配置
• 认证失败 (401/403) → API key 无效/过期，重新配置
• 频率限制 (429) → 配额用尽，等待重试
• 文件未找到 → 检查路径

SDK 方式（可选）

也可通过 Python SDK 直接调用：

pip install glmocr

import glmocr
result = glmocr.parse("image.png")
print(result.markdown_result)