扫描草药手册 OCR 蒸馏
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_f8ccc325/wumingyishu。
技能介绍
要解决什么问题
很多馆藏或个人收藏的《中草药手册》类读物是扫描影印、无文字层的 PDF,页边还有红蓝黑手写批注。普通 OCR 既读不到正文(只能靠渲染成图),也无法把印刷字和批注分开;图文混排的线描图还会干扰文本抽取。你真正需要的是:可检索的草药字段库、带页码的读书笔记,以及按毒性/法规标过签的附方清单——而不是一张张翻图人肉抄录。
技能如何工作
流程按「有无文字层 → 渲染 → 视觉分离 → 结构还原 → 安全标注 → 输出」推进:
- 用
scripts/detect_text.py判断 PDF 是否可直接抽文本;无文字层则用scripts/render_pages.py(常设scale=1.8–2.0)把代表页渲成 PNG,不必一次渲完全书。 - 视觉读取按
references/vision_prompts.md拆成印刷正文与手写批注两路输出,保留繁异体与旧制剂量表述。 - 依目录还原「章—节—药名—页码」骨架,单味药字段对齐
references/herb_schema.md;附方/验方单独成表并挂来源页与批注。 - 对照
references/safety_herbs.md标注剧毒、重金属矿物、濒危动物药、妊娠禁忌等;高风险附方进单独目录,不混入常规推荐池。 - 产出三类物:蒸馏笔记(概述、摘录≤150 字/段、批注精选、复核清单)、草药 CSV/JSON、附方清单(含风险标签);可用
scripts/build_herb_db.py合并入库。
边界与注意点
本技能只做文献整理与学习参考,不给出可照方自用的用药建议,不替代执业中医师辨证。凡涉及精确剂量、毒性药材或手写内容,笔记中会明确要求人工核对原图。与通用医书处理 Skill wuming-medical-book 相比,本技能特化于草药手册版式与手写批注;若不是草药条目结构,应优先用通用版。
使用场景
- 手里有一份无文字层的《中草药手册》扫描 PDF,要把每味药的性味主治抽成可检索 CSV
- 影印本草页边有老师傅手写附方,需要把印刷正文和红色批注分开归档并标页码
- 手机拍的草药手册章节图,要按章—节—药名还原目录并整理验方组成清单
- 文献调研要从手册里汇总附方,并对照毒性/濒危药材清单自动打风险标签
适合人员
- 整理馆藏中医纸质书影的数字人文研究员,要把草药条目录入结构化库供检索
- 自建验方知识库的中药学研究生,来源是带批注的扫描手册且需显式标注剧毒与妊娠禁忌
- 医院或院校资料室馆员,负责把无 OCR 层的草药手册做成内部参考文献数据库
- 从事本草文献校勘的独立编者,需要蒸馏版读书笔记并保留手写批注出处供复核