layout-analyzer 是做什麼的？
分析文檔佈局結構，識別並提取文字區域、表格、圖表、頁首頁尾等元素。
此技能旨在幫助 AI 代理解析文檔的視覺與結構化佈局，將其轉換為可被程式進一步處理的區域標註。支援的格式包括 PDF、掃描頁面、Word 文檔以及圖像型文檔。
功能
- 自動偵測文檔中的文字區塊、表格、圖表、頁首、頁尾與頁碼
- 輸出每個區域的邊界框（bounding box）與類型標籤
- 可與 OCR 引擎或資料提取工具整合
- 支援多頁文檔的序列化分析
使用方式
在支援此技能的 AI 代理（如 Claude Code、Cursor 或 Codex）中，可直接調用 layout-analyzer 分析指定的文檔。
範例指令
請分析此 PDF 檔案的佈局結構：report.pdf
或直接傳入文檔路徑：
layout-analyzer /path/to/scanned-document.png
輸出格式
分析結果將以 JSON 陣列形式回傳，每個元素包含：
type：區域類型（"text", "table", "chart", "header", "footer", "page_number"）bbox：邊界框座標[x1, y1, x2, y2]（以像素為單位）page：頁碼（從 1 開始）confidence：信心度（0 到 1 之間）
範例輸出
[
{
"type": "text",
"bbox": [100, 50, 500, 150],
"page": 1,
"confidence": 0.95
},
{
"type": "table",
"bbox": [80, 180, 520, 400],
"page": 1,
"confidence": 0.89
}
]
平台支援
- Claude Code：可透過工具呼叫直接使用
- Cursor：整合於編輯器內的工作流程
- Codex：支援 API 層級的調用
注意事項
- 文檔解析精確度取決於原始文檔的品質與解析度
- 掃描文件建議使用至少 300 DPI 以獲得最佳效果
- 不支援加密或受密碼保護的文檔