Agent Skills
返回列表
📁

图片转文字 OCR 文字提取

办公效率 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中:

请根据 https://skillhub.cn/install/skillhub.md,安装 @user_3dafbf8c/morning-extract-text-from-image 技能,用于从清晰图片中按版面顺序提取印刷文字。

技能介绍

它解决什么问题

扫描件、公告截图、合同页面、PDF 转出来的图片页,这些材料里的文字看得见却没法直接复制。人工逐字录入既慢又容易出错:段落被打断、列表结构丢失,电话号码和专有名词抄错一位,下游的核对、汇总、二次加工全都跟着返工。图片转文字-OCR识别、文字提取 要处理的就是这一类含印刷文字的清晰图片,产出的是能直接接进流水线的文本,而不是一张截图的粗略描述。

核心能力与工作方式

技能拿到输入后不会直接开跑,而是先和你对齐四件事:任务目标、输入范围、输出格式、哪些内容不能改动。信息有缺口时先列出缺口,只有缺口会实质改变结果时才反过来索要补充,不会替你脑补缺失字段。

确认口径之后按下面的顺序处理:

  • 检查文件、字段和素材是否完整、可读,且与任务直接相关。
  • 判断图片方向与清晰度,定位文字块,按阅读顺序重新组织。
  • 保留原有的段落和列表层级,不把多条混成一团。
  • 对数字、专名和低置信度内容做重点复核。
  • 整理结果时建立图片到文本的对应关系,并把疑似识别错误一并交付。

结尾要做质量检查:看不清的内容不得猜测,原图与转写必须一一对应,然后输出成品、处理摘要、异常项以及仍需人工确认的部分。

输入建议

必需输入是一张或多张含印刷文字的清晰图片。建议同时补充用途、目标受众、时间范围、格式要求、必须保留的信息和验收标准——这些决定了「哪些字段算完整」。示意图:

  • 只给一张图,但要求「全部转成 Word」,此时格式要求就是缺口。
  • 公告截图里的电话和日期是关键信息,应该明确标出来要求重点核对。

适用边界

  • 只面向印刷体且图片清晰的场景。
  • 不用于复杂手写体识别,潦草批注、手写便签这类材料不在范围内。
  • 不用于身份鉴定,不会把图片里的人名、证件信息当作身份依据去校验。
  • 不用于翻译,只做转写,不改变原文的语言和用词。

如果输入是模糊、倾斜、反光的图,或者本质是手写件,应该在开始前就说明限制并要求换材料,而不是硬着头皮出结果。

使用场景

  • 把公告截图里的正文按原版面提取出来,电话号码和日期逐项核对,用于发群通知前复核。
  • 扫描件合同里的金额、期限和签订日期字段要按阅读顺序转成文本,并生成财务核对清单。
  • 多张产品说明书截图需要合并整理为文字版操作步骤,同时保留原有列表层级。
  • 扫描版会议纪要图片局部模糊,办公人员要先确认资料来源和验收口径,再提取正文并标注疑似识别错误。

适合人员

  • 行政助理,每周要把多份纸质通知扫描件转成文本发邮件,需要核对联系人与日期。
  • 财务人员,需要把纸质合同或发票扫描件中的金额、期限等关键字段逐项录入系统并复核数字。
  • 内容运营,收集公告截图和说明书图片做资料归档,需要提取文字写入知识库。
  • 研究人员,整理大量印刷版论文扫描页,需要可追溯的文本稿做引用核对。