메뉴
Extrae texto de PDFs e imágenes usando AWS Textract. Especialmente útil para PDFs de diseño (Illustrator) sin texto extraíble. Trigger en "extraer texto", "OCR", "leer PDF escaneado", "documento sin texto", "Textract".
Codex 또는 Claude로 설치 이 Prompt를 복사해 Codex, Claude 또는 다른 어시스턴트에 붙여 넣으면 Skill 페이지를 검토하고 설치를 진행할 수 있습니다.
SOC 직업 분류 기준
Gestion de proyectos para agencias de software. Onboarding de proyectos nuevos, weekly reports, seguimiento de owners, status updates. Trigger en "nuevo proyecto", "weekly report", "status del proyecto", "onboarding cliente", "crear estructura proyecto".
Reconciliación de extractos bancarios CSV, categorización de transacciones y análisis de cashflow. Trigger en "conciliar", "extracto bancario", "movimientos del banco", "cashflow", "suscripciones SaaS", "categorizar transacciones".
Genera un brief matutino personalizado en HTML. Primera vez configura preferencias del usuario. Despues ejecuta automaticamente. Trigger en "daily brief", "brief del dia", "morning brief", "mi brief", "empezar el dia".
Genera contenido para LinkedIn (español) y Twitter (inglés) evitando AI slop. Usa experiencias reales, datos concretos, fuentes y estilo personalizados. Trigger en "daily writing", "contenido linkedin", "draft twitter", "content creation", "generar post".
Aplica estilos corporativos a documentos. Tipografia, colores, formatos de propuestas y contratos. Trigger en "aplicar estilos", "formato corporativo", "formatear documento", "propuesta con estilo", "documento corporativo".
Consulta de indicadores económicos (TRM, IBR, DTF) y precios de mercado (acciones, ETFs). Usar cuando pidan "TRM", "dólar hoy", "precio de [acción]", "indicadores económicos".
| name | document-ocr |
| description | Extrae texto de PDFs e imágenes usando AWS Textract. Especialmente útil para PDFs de diseño (Illustrator) sin texto extraíble. Trigger en "extraer texto", "OCR", "leer PDF escaneado", "documento sin texto", "Textract". |
Extrae texto de PDFs e imágenes usando AWS Textract. Útil para documentos escaneados o PDFs de diseño que no tienen texto extraíble.
document-ocr/
├── SKILL.md
Scripts de referencia (en /scripts/ocr/):
textract_pdf_analyzer.py - Procesar PDFstextract_images_analyzer.py - Procesar imagenesus-east-1 (default)python3 scripts/ocr/textract_pdf_analyzer.py "documento.pdf" "resultado"
Output: Archivos .txt con texto extraido por pagina.
python3 scripts/ocr/textract_images_analyzer.py "carpeta_imagenes/" "resultado"
Los PDFs creados en Illustrator o herramientas de diseño frecuentemente no tienen texto extraíble (el texto está como curvas/paths).
Solución: Convertir a imágenes primero
# 1. Convertir PDF a imágenes con ImageMagick
magick -density 300 "archivo.pdf" -quality 100 "output/page.png"
# 2. Procesar imágenes con Textract
python3 scripts/ocr/textract_images_analyzer.py "output/" "resultado"
PDFs de diseño: El Read tool de Claude no extrae texto de PDFs de Illustrator. Usar flujo de conversión a imagen + Textract.
Límites de Textract:
Calidad de imagen importa: Para mejor OCR, usar density 300 o más al convertir PDF.
Tablas: Textract puede detectar tablas, pero el output puede necesitar post-procesamiento.
Idioma: Textract funciona mejor con inglés, pero soporta español y otros idiomas.
Costos: Textract tiene costo por página. Verificar pricing antes de procesar documentos grandes.
Región: us-east-1
Cuenta: [configurar en AWS CLI]
python3 scripts/ocr/textract_pdf_analyzer.py input.pdf output_prefix
# Envia PDF a Textract, guarda resultado en .txt y .json
# Para PDFs >5MB usa analisis asincrono con S3
python3 scripts/ocr/textract_images_analyzer.py input_folder/ output_prefix
# Procesa todas las imagenes PNG en la carpeta
Archivos de texto plano con el contenido extraído:
resultado_page_1.txtresultado_page_2.txtO archivo consolidado:
resultado_full.txtSi Textract no está disponible: