Communitygithub.com

alibaba-quark-scanking/alibaba-quark-scan-skill

夸克扫描王 OpenClaw Skills 合集仓库。专为 OpenClaw Agent 打造的三大文档 AI 技能包:OCR 文字识别(17 场景)、文件扫描增强(13 模式)、图片转 Office(Word/Excel/PDF),一个 API Key 解锁全部 30+ 能力,`openclaw skills install` 即可使用

alibaba-quark-scan-skill とは?

このスキルは、Alibaba の Quark Scan King (夸克扫描王) が提供する、OpenClaw Agent 向けの統合文書 AI スキルパックです。OCR テキスト認識(17 シナリオ)、ファイルスキャン拡張(13 モード)、画像から Office 文書(Word/Excel/PDF)への変換という 3 つの主要機能を 1 つの API キーで利用可能にし、合計 30 以上の能力を提供します。`yescan` という CLI ツールの管理下で動作し、`openclaw skills install` コマンドで簡単にインストールできます。スキルは厳格な Plan → Execute → Verify の順序で実行され、環境チェック(バージョン確認、API キー設定)を必須とすることで、信頼性と一貫性を確保しています。対応プラットフォームは OpenClaw に加え、Hermes、QoderWork、Wukong、Coze、Claude Code など多岐にわたります。

対応✓Claude Code~Codex CLI~Cursor
npx skills add alibaba-quark-scanking/alibaba-quark-scan-skill

お気に入りのAIに質問する

このエージェントスキルを事前に読み込んだ状態で新しいチャットを開きます。

ドキュメント

実行フロー

毎回の実行は厳密に Plan → Execute → Verify の順序で行い、スキップや順序変更は禁止します。

Plan — 意図を理解し、能力を見つける

  1. 環境の準備を確認(毎回実行、スキップ不可):

    • インストール & アップグレード:
      1. yescan --version — 未インストールの場合は pip3 install yescan を実行。バージョン < 1.0.5 の場合は pip3 install yescan --upgrade を実行し、アップグレード完了後に続行
      2. pip3 index versions yescan — INSTALLED < LATEST の場合は、新しいバージョンが利用可能であることをユーザーに伝え、アップグレードコマンド pip3 install yescan --upgrade を提示。ユーザーがアップグレードするかどうかを決定
    • キーチェック: yescan config get SCAN_WEBSERVICE_KEY を実行し、設定されていない場合はユーザーに設定を促す
      • 設定コマンド: yescan config set SCAN_WEBSERVICE_KEY <your_api_key>

      Key の取得方法: https://scan.quark.cn/business → 開発者バックエンド → API Key

    Checkpoint: バージョン < 1.0.5 → アップグレードが必須、完了後に続行。バージョン ≥ 1.0.5 で最新でない場合 → ユーザーに通知後、続行可能。キーが未設定の場合は設定を促してから続行。

  2. 能力の発見:

    yescan --list-scenes              # 全シナリオとその意図説明を取得
    yescan --list-scenes <scene>      # 指定シナリオの --set パラメータを取得
    

    出力からユーザーの意図を具体的なシナリオにマッチング

  3. 複数ステップの処理の場合、完全なステップ計画をユーザーに表示

ゲート:

  • 「環境の準備確認」の各ステップは必須の前提条件であり、いずれもスキップ不可。全てをパスしない場合は Execute への進入禁止:
    1. yescan --version を実行してインストール状況を確認していない → 続行禁止
    2. バージョン < 1.0.5 でアップグレードを完了していない → 続行禁止
    3. pip3 index versions yescan を実行して最新バージョン状況を確認していない → 続行禁止
    4. yescan config get SCAN_WEBSERVICE_KEY を実行してキーの設定を確認していない → 続行禁止
  • ユーザーが明示的に必要とするシナリオのみを実行し、不要なステップを追加しない。ただし、現在のタスクの効果を高めるための補助操作はこの限りではない
  • 文書変換(Word/Excel/PDF)は画像を直接処理し、OCR 結果に依存しない。両方の入力は画像であり、独立した操作
  • シナリオ名と --set パラメータは、今回のセッションの CLI 出力から取得する必要がある
  • --list-scenes を実行していない場合は Execute に進入不可
  • シナリオに --set パラメータがあり、ユーザーが明示的に指定していない場合は、オプションパラメータをユーザーに表示し、確認後に実行する必要がある

Execute — シナリオを実行

yescan --scene <SCENE> --path <FILE> --platform "${AGENT_NAME}" [--output <DIR>] [--set key=value]
yescan --scene <SCENE> --url  <URL>  --platform "${AGENT_NAME}" [--output <DIR>] [--set key=value]

--path にはローカルファイルパスを、--url には http/https リンクを指定します。

${AGENT_NAME} は現在の Agent プラットフォーム名(例: openclaw、hermes、qoderWork、wukong、coze、claudecode など)に置き換えます。判別できない場合は community と入力し、推測や創作は禁止です。

  • 単一ステップ: 直接実行
  • 複数ステップの処理は、Execute → Verify のループで段階的に行う: step N+1 のコマンドは、step N の Verify が成功した後にのみ構築。--path は step N のレスポンス内の data.path から取得

ゲート:

  • 複数ステップの処理の場合は、ステップ計画をユーザーに説明
  • 各ステップのコマンドは事前に構築しない
  • --set パラメータはシナリオ間で引き継がない

Verify — 検証して納品

各ステップの実行後、レスポンス内の code フィールドをチェック:

  • 成功(code が "00000" または 0)→ 納品へ
  • 失敗 → 次のステップに進まず、エラー情報に基づいて処理(詳細はゲートを参照)

納品基準 — 以下の条件をすべて満たして初めて完了:

  • OCR 認識: 認識内容が読みやすいテキストとしてユーザーに提示されている
  • 画像翻訳 / 画像強調 / AIGC: 出力ファイルのパスがユーザーに通知されている
  • 文書変換: 出力ドキュメントのパスと形式がユーザーに通知されている

ゲート:

  • code が成功以外 → 次のステップに進まず、成功を報告しない
  • エラー情報に基づいて自己修復(例: 無効なシナリオ名 → 再度 --list-scenes を実行)するか、エラー原因をユーザーに通知
  • ユーザーが結果を確認していない → 未完了

制約

  • 入力方法: --path または --url のいずれか。base64 は非対応(必要な場合は一時ファイルに書き込んでから)
  • URL 引用符: --url パラメータはシングルクォートで囲む必要があります。シェルによる ! $ などの特殊文字の解釈を防ぐため
  • ファイルサイズ: ≤ 5MB
  • 画像ソース: ユーザーの当該リクエストで明示的に指定されたファイルまたは URL のみ
  • 偽造禁止: yescan CLI のリクエストパラメータや応答出力をでっち上げたりシミュレートしてはなりません。すべてのシナリオ名、パラメータ値、実行結果は実際に実行された CLI コマンドから取得する必要があります

参考ドキュメント

関連スキル