身份证OCR识别

在业务里识别身份证，难点通常不在 OCR 本身，而是三件事：第一，需要区分卡片正反面并抽取不同字段；第二，需要对身份证号做基本有效性校验；第三，需要把识别能力封装成一个可被模型调用的工具，而不是让用户手写脚本。这个技能对应的场景就是把图片输入交给 scripts.tools 里的函数，拿到结构化结果后再继续处理。

核心能力

• 自动判断输入的是身份证正面还是背面，并按对应版面提取字段。
• 正面提取姓名、性别、民族、出生日期、住址、身份证号。
• 背面提取签发机关和有效期限。
• 对身份证号执行有效性校验。
• 同时提供两种输入方式：图片链接和图片 BASE64。

工作方式

这个技能把大模型作为路由层，负责理解用户意图、选择工具、提取参数；实际识别由代码层调用外部 API 完成。

1. 检查 API 密钥：如果 scripts.config.settings.api_key 为空，必须通过 AskUserQuestion 向用户询问密钥，然后用 scripts.config.set_api_key(api_key) 保存。
2. 选择工具：根据图片输入形式选择对应函数：

- scripts.tools.ocr_id_card：接收图片链接，参数为 dataUrl。
- scripts.tools.ocr_id_card_for_data_base64：接收 BASE64，参数为 dataBase64。

1. 提取参数：缺少图片链接或 BASE64 时，继续用 AskUserQuestion 补齐。
2. 调用工具：使用关键字参数调用工具函数。
3. 处理返回值：函数返回 dict，其中 result["raw"] 是 API 原始 JSON，result["success"] 表示成功与否，result["message"] 是状态消息。

适用边界与注意点

适合在对话式流程中快速识别身份证字段，不适合离线批处理场景。没有有效 API 密钥时不应继续，也不能通过搜索或编造数据补齐结果。输入图片质量、字段遮挡、截图拼接和不同版式会影响识别稳定性，正式业务中应把识别结果当作可复核数据，而不是直接落库。