yescan-ai/yescan-skill

Was macht yescan-skill?

夸克扫描王 – Ein Paket mit drei KI-Dokumentenfähigkeiten für den OpenClaw Agent: OCR-Texterkennung (17 Szenarien), Dokumentenscan-Verbesserung (13 Modi) und Bild-zu-Office (Word/Excel/PDF). Mit einem API-Schlüssel erhalten Sie Zugriff auf über 30 Funktionen. Einfach openclaw skills install ausführen.

Überblick

Dieses Skill-Paket bringt die leistungsstarken Funktionen der QuarkScan-App (夸克扫描王) in den OpenClaw Agent. Es ermöglicht Ihnen, Dokumente direkt über natürliche Sprachbefehle zu scannen, zu verbessern und zu konvertieren.

Voraussetzungen

• OpenClaw Agent (installiert und konfiguriert)
• API-Schlüssel für den QuarkScan-Dienst (wird während der Einrichtung bereitgestellt)

Installation

Führen Sie den folgenden Befehl in Ihrem Terminal aus:

openclaw skills install yescan-ai/yescan-skill

Verwendung

Nach der Installation können Sie Befehle wie die folgenden verwenden:

"Scanne dieses Dokument und verbessere die Farbe."
"Extrahiere den Text aus diesem handgeschriebenen Notiz."
"Konvertiere dieses Bild in eine Word-Datei."
"Erstelle eine PDF aus diesem Scan."

Funktionsumfang

1. OCR-Texterkennung (17 Szenarien)

• ID-Karten: Erkennt Text auf Ausweisen, Reisepässen und Visitenkarten.
• Handschrift: Liest handschriftliche Notizen, Formulare und Briefe.
• Medizinische Rezepte: Erfasst Text auf Rezeptblöcken.
• Bücher/Notizen: Erkennt gedruckten Text aus Büchern und Vorlesungsskripten.
• Rechnungen: Analysiert gedruckte Rechnungen und Quittungen.
• Stempel: Liest runde Stempel und Siegel.
• Weitere Szenarien: Siehe API-Dokumentation.

2. Dokumentenscan-Verbesserung (13 Modi)

• Farbkorrektur: Gleicht Farbstiche aus.
• Glättung: Entfernt Unschärfe durch Kameraverwacklung.
• Entzerrung: Korrigiert perspektivische Verzerrungen.
• Schwarzweiß: Konvertiert in hohe Schwarz-Weiß-Kontraste.
• Hintergrundentfernung: Isoliert das Dokument vom Hintergrund.
• Raumfilter: Entfernt körniges Rauschen.
• Weitere Modi: Siehe API-Referenz.

3. Bild-zu-Office (Word/Excel/PDF)

• Bild zu Word: Wandelt gescannte Bilder in bearbeitbare .docx-Dateien um.
• Bild zu Excel: Extrahiert Tabellen aus Bildern in .xlsx-Dateien.
• Bild zu PDF: Erzeugt durchsuchbare PDFs aus Bildern.

API-Referenz

Der Agent interagiert mit der QuarkScan-API über eine einzige REST-Endpunkt. Der API-Schlüssel wird als Umgebungsvariable gespeichert:

export QUARKSCAN_API_KEY="ihr-api-schluessel"

Beispiel-Aufruf

import requests

url = "https://api.quarkscan.com/v1/process"
headers = {"Authorization": f"Bearer {QUARKSCAN_API_KEY}"}
data = {
    "image_url": "https://beispiel.com/document.jpg",
    "action": "ocr"
}
response = requests.post(url, headers=headers, json=data)
print(response.json())

Fehlerbehebung

• Fehler: "Ungültiger API-Schlüssel" – Überprüfen Sie, ob die Umgebungsvariable QUARKSCAN_API_KEY korrekt gesetzt ist.
• Fehler: "Bild nicht lesbar" – Stellen Sie sicher, dass das Bild in guter Qualität ist (mindestens 300 DPI).
• Fehler: "Nicht unterstütztes Szenario" – Das Szenario wird möglicherweise nicht in der aktuellen API-Version unterstützt.

Lizenz

Dieses Skill-Paket ist unter der MIT-Lizenz lizenziert. Siehe LICENSE für Details.

Support

Bei Fragen oder Problemen besuchen Sie unser GitHub-Repository oder kontaktieren Sie uns unter [email protected].