OCR图片文字提取

解决什么问题

拿到一份图片版的会议纪要、扫描合同或白板照片时，最常见的诉求是「把里面的字弄出来」。手工重打一遍不仅耗时，还容易抄错；而通用 OCR 工具在遇到中英文混排、手写与印刷体交织、或者截图里带表格的场景时，往往只能给出一坨没有结构的文本，表格直接散成乱码。

这个技能瞄准的就是这一类「图片 → 可编辑文本」的转换需求：输入一张图片文件和一个语言选择，输出整理好的中英文文字与表格结构。

它如何工作

整个流程是一条四步流水线，在技能内部按顺序执行：

1. 图片接收：读入用户提供的图片文件，确认格式可解析。
2. 文字识别：对版面做 OCR，覆盖中英文，支持手写体与印刷体混合的场景。
3. 表格还原：识别表格区域并尝试还原成结构化的行列形式，而不是把每个单元格拍平成一行文字。
4. 校对纠错：对识别结果做一轮自检，把明显可疑的字符标出来。

它还会识别高频触发词，比如 OCR、图片转文字、截图提取。当用户说「这张会议白板的照片，帮我把上面的笔记转成文字」时，输出的内容除了识别出的正文，还会附带对明显疑点的标注，方便人工快速定位。

适用边界与注意点

有几类情况需要心里有数：

• 图片质量决定上限。如果原图模糊、对焦失败或分辨率太低，技能会主动提示用户提高清晰度或改用手动录入，而不是硬着头皮输出一段垃圾文本。
• 手写体不是万能的。清晰的手写体可以识别，潦草的连笔字效果会明显下降，建议先改善图片再试。
• 多语言混合要分段处理。遇到中英夹杂的版面，技能会按段落切分并分别标注语言，结果中的语言标记需要人工确认。
• 重要文档务必人工校对。所有输出都会附带一句说明：识别结果仅供参考，重要文档请人工校对。把它当作初稿生成器，而不是最终交付物。