技能名称: doc-ocr-skills
详细描述:

文档OCR技能 (docr)

使用 Gemini 2.5 Flash、PaddleOCR 或 RapidOCR（本地）从扫描的PDF和图片中识别文本。编译为单个Go二进制文件。

前置条件

• - 在 ~/.ocr/config 中配置API密钥（Paddle/Rapid无需）
• 对于RapidOCR引擎：pip install rapidocr_onnxruntime
• 对于PaddleOCR引擎：pip install paddleocr paddlepaddle

API密钥配置

创建配置文件：

bash
mkdir -p ~/.ocr
cat > ~/.ocr/config << EOF

Google Gemini API密钥

快速开始

路径变量：以下所有命令均使用 $DOCR。运行任何命令前，请先设置此变量：
bash
SKILL_DIR=$(cd $(dirname ) && pwd)
DOCR=$SKILL_DIR/scripts/docr/docr

bash

使用RapidOCR（默认）识别单个文档

使用Gemini引擎

使用PaddleOCR本地引擎

指定输出文件

批量处理目录中所有支持的文件

引擎

CLI参考

docr [选项] <文件或目录>

选项：
-engine string OCR引擎：rapid（默认）/ gemini / paddle
-e string 引擎（短标志）
-o string 输出文件路径或目录（批量模式）
-output string 输出路径（长标志）
-batch 批量模式：处理目录中的所有文件
-prompt string 自定义识别提示（gemini）

安装

我们提供预编译的二进制文件，方便您快速上手。

bash
cd doc-ocr-skills/scripts
./install.sh

此脚本将检测您的操作系统（darwin/linux）和架构（amd64/arm64），并下载相应版本的 docr。

从源码构建（可选）

如果您希望从源码构建，请确保已安装 Go 1.21+：

bash
cd doc-ocr-skills/scripts/docr
go build -o docr .

错误处理