smart-ocr 是做什麼的？
智慧文字識別技能，從圖片和文件中提取文字與資料。
功能概述
此技能讓 AI 代理（例如 Claude Code、Cursor、Codex）能夠從圖片檔案、掃描文件或 PDF 中辨識並提取文字。它會處理常見的圖像格式（如 PNG、JPG、TIFF），可以透過本地 OCR 引擎（例如 Tesseract）或雲端 OCR API（如 Google Cloud Vision、AWS Textract）來執行。輸出結果支援結構化格式（例如 JSON、CSV），方便後續處理或整合至其他系統。
使用方式
要使用此技能，以支援的格式提供文件路徑即可。AI 代理會自動偵測檔案類型，套用適當的 OCR 流程，並回傳提取的文字與資料。
範例
# 使用 CLI 指令掃描圖片中的文字
ocr-skill extract --file ./document.png
輸出格式
成功執行後，技能會回傳類似以下的 JSON 結構：
{
"text": "辨識出的完整文字區塊...",
"data": [
{
"type": "line",
"text": "第一行文字",
"bbox": {"x": 10, "y": 20, "width": 100, "height": 15}
}
],
"confidence": 0.95
}
平台支援
此技能設計為跨平台可用，支援在 macOS、Linux、Windows 上整合以下 AI 代理：
- Claude Code (Anthropic)
- Cursor (AI 程式碼編輯器)
- Codex (OpenAI)
- 其他基於命令列的 AI 代理
環境變數
OCR_ENGINE：指定要使用的 OCR 引擎（預設為tesseract）OCR_API_KEY：若使用雲端 OCR API 時，需要設定相關金鑰OCR_LANGUAGE：指定辨識語言（例如eng、chi_sim、jpn）
安裝與設定
- 確保已安裝 Tesseract OCR（若使用本地引擎）：
# macOS brew install tesseract # Ubuntu/Debian sudo apt-get install tesseract-ocr # Windows choco install tesseract - 設定必要的環境變數（參考上方＂環境變數＂一節）。
- 將技能檔案放入 AI 代理的技能目錄中。
常見問題 (FAQ)
- Q: 支援哪些圖片格式？ A: 支援 PNG、JPG、TIFF、BMP，以及部分 PDF 檔案。
- Q: 辨識準確度如何？ A: 準確度取決於圖片品質與文字清晰度；建議預先裁剪或增強圖片以獲得最佳結果。
- Q: 可以離線使用嗎？ A: 若使用本地 Tesseract 引擎則可離線使用；若使用雲端 API 則需要網路連線。
授權條款
此技能遵循 MIT 授權條款，詳情請參閱 LICENSE 檔案。