image-ocr 是做什麼的？
擅長使用 Tesseract、EasyOCR、PaddleOCR、Google Vision、AWS Textract、Claude Vision 從圖片中提取文字。觸發時機：需要從圖片、螢幕截圖、掃描文件或 PDF 中提取文字時。
擅長使用 Tesseract、EasyOCR、PaddleOCR、Google Vision、AWS Textract、Claude Vision 從圖片中提取文字。觸發時機：需要從圖片、螢幕截圖、掃描文件或 PDF 中提取文字時。
這是一個專為 AI Agent 設計的圖片文字擷取技能，支援多種主流 OCR 引擎，包括 Tesseract、EasyOCR、PaddleOCR、Google Vision、AWS Textract 以及 Claude Vision。開發者可以透過此技能自動化處理圖片、螢幕截圖、掃描文件與 PDF 中的文字辨識工作，無需手動操作。本技能主要基於 SKILL.md 文件中定義的觸發條件：當偵測到需要從影像來源中提取文字時，AI Agent 會自動選用最合適的 OCR 引擎進行處理。它支援多種開發平台與環境，能夠靈活適應不同的專案需求，並提供一致的 API 介面。無論是簡單的螢幕截圖文字擷取，還是複雜的掃描 PDF 多語言文字辨識，這個技能都能有效應對，大幅提升開發效率和準確性。
npx skills add https://github.com/fearovex/claude-config/tree/main/skills/image-ocrInstalled? Explore more 影像 skills: steipete/songsee, affaan-m/frontend-design, mattpocock/improve-codebase-architecture · View all 6 →
擅長使用 Tesseract、EasyOCR、PaddleOCR、Google Vision、AWS Textract、Claude Vision 從圖片中提取文字。觸發時機：需要從圖片、螢幕截圖、掃描文件或 PDF 中提取文字時。
Generate spectrograms and feature-panel visualizations from audio with the songsee CLI.
Create distinctive, production-grade frontend interfaces with high design quality. Use when the user asks to build web components, pages, or applications and the visual direction matters as much as the code quality.
Scan a codebase for deepening opportunities, present them as a visual HTML report, then grill through whichever one you pick.
Add documentation for a new AI provider — usage docs, env vars, Docker config, image resources.
Tests in real browsers via Chrome DevTools MCP. Use when building or debugging anything that runs in a browser. Use when you need to inspect the DOM, capture console errors, analyze network requests, profile performance, or verify visual output with real runtime data. Requires the chrome-devtools MCP server to be configured.
This skill should be used when the user wants to visualize data. It intelligently selects the most suitable chart type from 26 available options, extracts parameters based on detailed specifications, and generates a chart image using a JavaScript script.