Was macht smart-ocr?
Intelligente Texterkennung für KI-Agenten
Übersicht
Dieser Skill ermöglicht es KI-Agenten, Text aus Bildern und gescannten Dokumenten zu extrahieren. Er nutzt OCR-Technologie (Optical Character Recognition), um gedruckte und handgeschriebene Texte zu erkennen und für die weitere Verarbeitung bereitzustellen.
Funktionen
- Textextraktion aus Bildern (PNG, JPEG, TIFF) und gescannten PDFs
- Unterstützung für mehrere Sprachen – automatische Erkennung der Dokumentsprache
- Bereinigung der OCR-Ergebnisse – Entfernung von Rauschen und Formatierungsfehlern
- Konfigurierbare Ausgabeformate – JSON, Markdown, reiner Text
Verwendung
Grundlegende Nutzung
# Textextraktion aus einem Bild
ocr extract bild.png
# Textextraktion aus einer PDF-Datei
ocr extract dokument.pdf
Optionen
| Option | Beschreibung | Standard |
|---|---|---|
-l, --language | Sprache des Dokuments | deu+eng |
-o, --output | Ausgabeformat | text |
--dpi | DPI für die Verarbeitung | 300 |
-v, --verbose | Ausführliche Ausgabe | false |
Integration in KI-Agenten
Dieser Skill kann mit den folgenden Plattformen verwendet werden:
- Claude Code – Füge den Skill zur Projektkonfiguration hinzu
- Cursor – Verwende den Skill im Kontext von KI-Chats
- Codex CLI – Rufe den Skill über die Codex-Befehlszeile auf
Beispiele
Beispiel 1: Schnelle Textextraktion
ocr extract rechnung.jpg
# Ausgabe: Rechnungsnummer: 12345, Betrag: 99,00 €
Beispiel 2: Mehrseitiges PDF verarbeiten
ocr extract --output json mehrseitiges-dokument.pdf
# Ausgabe: JSON-Array mit Text aus jeder Seite
Voraussetzungen
- Python 3.8+ oder Node.js 16+
- Tesseract OCR Engine (installiert im System)
- Ausreichend Arbeitsspeicher für große Dokumente
Installation
# Mit pip (Python)
pip install claude-office-skills[smart-ocr]
# Mit npm (Node.js)
npm install @claude-office-skills/smart-ocr
Fehlerbehebung
- Problem: OCR erkennt keinen Text.
- Lösung: Stelle sicher, dass das Bild eine ausreichende Auflösung (mindestens 300 DPI) hat.
- Problem: Falsche Zeichenerkennung.
- Lösung: Gib die korrekte Sprache mit
-lan oder verwende die automatische Erkennung.
- Lösung: Gib die korrekte Sprache mit
Lizenz
MIT