文本识别OCR增强版

要解决的具体问题

当你需要把图像中的文字变成可编辑文本时，手工转录既费时又容易出错：扫描件里的段落要逐字敲打，街边广告牌上的电话号要手动抄写，甚至手机截图中的关键信息也得重新整理。尤其在场景多样（文档、路牌、聊天界面）且文本密度不一的情况下，通用脚本往往不稳定，识别错字、漏行、排版混乱会让后续处理更麻烦。

技能如何工作

这个技能把 OCR 流程拆成可组合的步骤，模型负责理解意图和参数，外部 API 负责真正的识别计算。

• 密钥前置检查：运行时首先检查 scripts.config.settings.api_key，若为空则通过 AskUserQuestion 向用户询问，调用 scripts.config.set_api_key(key) 保存；禁止在无密钥时编造数据。
• 工具路由与参数提取：模型根据用户提供的输入类型，从三个工具中选择对应函数：

- scripts.tools.ocr_pro：输入图片文件链接 dataUrl
- scripts.tools.ocr_pro_for_data_base64：输入 Base64 编码 dataBase64
- scripts.tools.ocr_pro_for_data_file：输入本地文件路径

• 调用与结果整理：使用关键字参数调用选定的函数，函数返回 dict 对象，包含 raw（API 原始 JSON）、success（布尔值）和 message（状态消息）；模型将 raw 整理后直接展示给用户。

适用边界与注意点

• 必须联网：识别依赖外部 API，离线环境无法工作。
• 密钥管理：API 密钥需用户自行从 https://xiaobenyang.com 获取，技能仅负责保存和传递，不会代替用户申请或猜测。
• 输入类型严格区分：链接、Base64、本地路径需对应不同工具，参数不完整时会再次询问用户。
• 非文本图像：技能面向包含文本的图像，纯风景照、无文字截图等场景不适合使用。