（4708期）Doc Ocr Skills – 多引擎 OCR 文档识别专家

多引擎 OCR 文档识别专家 本地多引擎 OCR 文档识别工具，支持 RapidOCR/PaddleOCR 本地处理与 Gemini 云端识别，单文件批量处理均可，Go 编译二进制开箱即用。 使用说明 核心功能 docr 是一款轻量级文档 OCR 识别工具，专为开发者与办公场景设计。支持扫描版 PDF 与图片文件的文字提取，提供三种识别引擎灵活切换： RapidOCR（默认）：基于 ONNX Runtime 的高性能本地 OCR，无需联网 PaddleOCR：百度开源 OCR 框架的本地部署版本 Gemini 2.5 Flash：Google 云端视觉 API，支持复杂版式与多语言 显著优点 多引擎架构：本地引擎保护隐私，云端引擎应对复杂场景，按需选择 单二进制部署：Go 编译为独立可执行文件，跨平台（Darwin/Linux，AMD64/ARM64） 批量处理：-batch 模式支持目录级批量 OCR，输出结构化结果 极简配置：本地引擎零配置即用，云端引擎仅需单文件 API Key 可定制提示：Gemini 引擎支持自定义识别提示词，优化特定领域识别效果 潜在局限 本地引擎依赖 Python 环境（rapidocr_onnxruntime 或 paddleocr） Gemini 引擎需联网，存在 API 稳定性与速率限制风险 扫描件质量、字体特殊、复杂表格等场景识别准确率仍有提升空间 暂不支持手写体优化、公式识别等专业场景 适用人群 开发者：集成 OCR 能力至自动化工作流 办公用户：批量处理扫描文档、合同、发票等 隐私敏感场景：优先使用 RapidOCR/PaddleOCR 本地处理 常规风险 API Key 存储于明文配置文件 ~/.ocr/config，需注意文件权限 云端传输涉及数据出境合规考量 大文件可能出现超时，需合理分块或重试 原始说明 OCR documents (PDFs and images) using Gemini 2.5 Flash, PaddleOCR (local), or RapidOCR (local).