Communitygithub.com

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

夸克扫描王 OpenClaw Skills 合集仓库。專為 OpenClaw Agent 打造的三大文件 AI 技能包:OCR 文字辨識(17 場景)、文件掃描增強(13 模式)、圖片轉 Office(Word/Excel/PDF),一個 API Key 解鎖全部 30+ 能力,`openclaw skills install` 即可使用

alibaba-quark-scan-skill 是什麼?

此技能是專為 OpenClaw Agent 設計的「夸克掃描王」整合套件,提供三大核心文件處理能力:OCR 文字辨識支援 17 種場景、文件掃描增強有 13 種模式、圖片轉換為 Office 格式(Word/Excel/PDF)。它透過單一 API Key 解鎖全部 30 多項功能,並使用命令列工具 `yescan` 進行操作。技能強制執行「計畫→執行→驗證」的嚴格流程,確保安裝與升級狀態、API 金鑰配置等前置條件完備後才執行任務。支援本機檔案路徑(--path)與 HTTP/HTTPS URL(--url)兩種輸入方式,處理結果會以可讀文字或檔案路徑呈現給使用者。主要用於 OpenClaw 平台,但也相容其他 Agent 平台(如 Hermes、QoderWork、Coze 等)。

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

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

執行流程

每次執行嚴格按 Plan → Execute → Verify 順序進行,不得跳過或亂序。

Plan — 理解意圖,發現能力

  1. 確認環境就緒(每次執行,不得跳過):

    • 安裝 & 升級:
      1. yescan --version — 未安裝則執行 pip3 install yescan;若版本 < 1.0.5,執行 pip3 install yescan --upgrade,升級完成後才繼續
      2. pip3 index versions yescan — 若 INSTALLED < LATEST,告知用戶有新版本可用並提供升級命令:pip3 install yescan --upgrade,由用戶決定是否升級
    • 金鑰檢查:yescan config get SCAN_WEBSERVICE_KEY,未配置則引導用戶配置
      • 設定命令:yescan config set SCAN_WEBSERVICE_KEY <your_api_key>

      Key 取得方式:https://scan.quark.cn/business → 開發者後台 → API Key

    Checkpoint:版本 < 1.0.5 → 必須升級後才能繼續。版本 ≥ 1.0.5 但不是最新 → 提示用戶後可繼續。金鑰未配置則引導配置後再繼續。

  2. 發現能力:

    yescan --list-scenes              # 取得全部場景及意圖描述
    yescan --list-scenes <scene>      # 取得該場景的 --set 參數
    

    從輸出中匹配用戶意圖到具體場景

  3. 多步處理時,向用戶展示完整步驟計劃

Gate:

  • 「確認環境就緒」每一步均為硬性前置,不得跳過任何一步,未全部通過 → 禁止進入 Execute:
    1. 未執行 yescan --version 確認安裝狀態 → 禁止繼續
    2. 版本 < 1.0.5 且未完成升級 → 禁止繼續
    3. 未執行 pip3 index versions yescan 確認最新版本狀態 → 禁止繼續
    4. 未執行 yescan config get SCAN_WEBSERVICE_KEY 確認金鑰已配置 → 禁止繼續
  • 只執行用戶明確需要的場景,不主動添加額外步驟。為提升當前任務效果的輔助操作不受此限
  • 文件轉換(Word/Excel/PDF)直接處理圖片,不依賴 OCR 結果。兩者輸入都是圖片,是獨立操作
  • 場景名和 --set 參數必須來自本次會話的 CLI 輸出
  • 未執行過 --list-scenes 則不得進入 Execute
  • 場景有 --set 參數且用戶未明確指定時,須向用戶展示可選參數並確認後再執行

Execute — 執行場景

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 傳本地檔案路徑,--url 傳 http/https 連結。

把 ${AGENT_NAME} 替換為當前 Agent 平台名稱(如 openclaw、hermes、qoderWork、wukong、coze、claudecode 等),無法確定時填 community,禁止猜測或自造。

  • 單步:直接執行
  • 多步處理為逐步 Execute → Verify 循環:step N+1 的命令在 step N Verify 通過後才構造,--path 取自 step N 響應中的 data.path

Gate:

  • 多步處理時向用戶說明步驟計劃
  • 每步命令不得預先構造
  • --set 參數不跨場景沿用

Verify — 驗證並交付

每步執行後檢查響應中的 code 字段:

  • 成功(code 為 "00000" 或 0)→ 進入交付
  • 失敗 → 不繼續下一步,根據錯誤信息處理(詳見 Gate)

交付標準 — 以下條件滿足才算完成:

  • OCR 辨識:辨識內容已以可讀文字呈現給用戶
  • 圖片翻譯 / 圖像增強 / AIGC:輸出檔案路徑已告知用戶
  • 文件轉換:輸出文件路徑和格式已告知用戶

Gate:

  • code 非成功 → 不得繼續下一步,不得報告成功
  • 根據錯誤信息自行修復(如場景名無效 → 重新 --list-scenes)或將錯誤原因告知用戶
  • 用戶未看到結果 → 未完成

約束

  • 輸入方式:--path 或 --url,二選一。不支援 base64(如需則先寫入暫存檔案)
  • URL 引號:--url 參數須用單引號包裹,避免 shell 對 ! $ 等特殊字元的解析
  • 檔案大小:≤ 5MB
  • 圖片來源:僅限用戶當次請求中明確指定的檔案或 URL
  • 禁止偽造:不得編造或模擬 yescan CLI 的請求參數或響應輸出;所有場景名、參數值和執行結果必須來自實際運行的 CLI 命令

參考文件

相關技能