Community图像github.com

dkyazzentwatwa/ocr-document-processor

从扫描件、图片和扫描版PDF中提取文本和结构信息。适用于OCR、可搜索PDF、表格提取、收据解析和名片解析。

ocr-document-processor 是什么?

该技能是一种AI智能体技能,专门用于从扫描文档、图片和扫描版PDF中提取文本和结构。它支持光学字符识别(OCR)生成可搜索PDF,同时能够解析表格、收据和名片,帮助用户将非结构化图像数据转化为结构化、可编辑的文本。该技能兼容Claude Code、Cursor、Codex等主流AI开发工具,通过调用OCR库和文档处理库(如Tesseract、PaddleOCR、pdf2image等)实现高效的文字识别与后处理。其工作流程通常包括:图像预处理(去噪、二值化)、文字区域检测、字符识别、以及结构化输出(如JSON或Markdown表格)。对于开发者而言,该技能可显著简化文档数字化、数据录入自动化等场景的流程,适用于档案管理、发票处理、名片整理和企业级文档工作流。

兼容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/dkyazzentwatwa/chatgpt-skills/tree/main/skills/ocr-document-processor

Installed? Explore more 图像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →

在你喜欢的 AI 中提问

打开一个已预加载此 Agent Skill 的新对话。

文档

ocr-document-processor 是做什么的?

从扫描件、图片和扫描版PDF中提取文本和结构信息。适用于OCR、可搜索PDF、表格提取、收据解析和名片解析。

Individual skills in this repo

This repo contains 1 individual skill — each has its own dedicated page.

相关技能