（5138期）Image2text Ocr – 智能 OCR 文字提取专家

智能 OCR 文字提取专家 基于曙光 Scnet 平台的通用 OCR 文字识别技能，支持本地图片提取文字及坐标定位，需配置 API Key 使用。 使用说明 核心用法 本技能封装了 Sugon-Scnet 通用 OCR 服务，通过 Python 脚本调用 API 实现图片文字提取。用户需先在 Scnet 官网 申请 API Token（格式 sc-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx），并在技能目录 config/.env 中配置 SCNETAPIKEY。支持命令行直接调用或 AI 对话自动触发，输入参数包括 ocrType（目前仅支持 GENERAL 通用文字识别）和 filePath（本地图片绝对路径），输出为结构化 JSON 数据，识别结果位于 data[0].result[0].elements 路径下。 显著优点 集成便捷：单一接口封装，无需处理底层 API 细节 定位支持：除文字内容外，返回坐标位置信息，便于二次处理 格式兼容：支持 jpg、png、pdf 等常见图片格式 自动重试：内置 429 限流错误处理机制，最多自动重试 3 次 潜在缺点与局限性 外部依赖强：必须注册 Scnet 平台并申请 API Key，存在使用门槛 速率受限：API 硬限制 10 QPS，高并发场景需串行处理 功能单一：当前仅支持 GENERAL 通用文字识别，缺少发票、表格等垂直场景专用模型 网络依赖：完全依赖云端 API，离线环境无法使用 隐私顾虑：本地图片需上传至第三方服务器处理，敏感文档存在泄露风险 适合人群 需要快速搭建 OCR 能力的开发者与技术用户 处理非敏感文档、图片文字提取的办公场景 已使用 Scnet 生态、希望统一 API 管理的团队 常规风险 | 风险类型 | 说明 ||---------|------|| API Key 泄露 | 密钥若误粘贴至聊天或版本控制，可能导致账户被盗用 || 敏感数据外泄 | 图片上传至云端，涉密/隐私文档不建议使用 || 服务可用性 | 依赖 Scnet 平台稳定性，存在单点故障风险 || 成本不可控 | API 调用可能产生费用，需注意用量监控 | 原始说明 将图片中的文字信息识别并提取出来。本技能应在用户需要 OCR 识别图片中的文字时使用。