Agent Skills
返回列表
📁

PPT 演示稿 OCR 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 @org-eyw2ohcx/mzlzyca-ppt-ocr-040。

技能介绍

要解决什么问题

老版 .ppt 往往没有可复制的文本层:幻灯片以图片或嵌入对象为主,直接交给大模型做摘要、引用或改写时,拿不到可靠正文。手工逐页 OCR 或截图再识别,既慢又难保证页码与结构一致。这个技能把 MinerU 开放 API(mineru-open-api) 接到 Agent 工作流里,对本地路径或远程 URL 的演示稿做统一抽取,并把结果以文本(或按需落盘)交给你后续处理。

技能如何工作

  • 输入范围:仅支持 .ppt;可走本地文件,也可传 URL。
  • 鉴权:抽取与爬取都需要 Token,可在 mineru.net 控制台 创建,或通过 MINERU_TOKEN 等环境变量 / mineru-open-api 认证交给技能使用。
  • 抽取参数:--language 提供语言提示(默认 ch,英文可设 en);在适用场景下可用 --pages 限定页范围。以图为主的幻灯片应加 --ocr,否则正文容易缺失。
  • 输出行为:默认写到 stdout;需要文件时用 -o。部分二进制形态(如 docx)必须指定 -o,不能流式打到 stdout。进度与状态信息走 stderr,便于和正文分离。

底层解析依赖 OpenDataLab(上海 AI Lab)开源项目 MinerU。

适用边界与注意点

  • 没有有效 Token 时,.ppt 抽取无法完成;上线前先把鉴权链路跑通。
  • 技能面向的是 .ppt,不要假设对 .pptx 或其它 Office 格式有同等支持(除非文档另行说明)。
  • 图多、扫描页、复杂版式时,应主动启用 --ocr,并抽查几页核对 Markdown/文本是否可读。
  • 需要长期留存或接下游流水线时,优先用 -o 写文件,避免把 stderr 里的日志误当正文。

使用场景

  • 法务收齐对方发来的老版 .ppt 附件,需先抽出全文再对照合同条款做差异检索
  • 资料馆员把馆藏讲座课件的 URL 批量转成 Markdown,按章节喂给检索或问答索引
  • 投研助理只处理路演材料第 5~20 页,用页码参数抽取后写入纪要模板
  • 客服知识库运维遇到以图片为主的培训 .ppt,需开 OCR 再合并进现有词条

适合人员

  • 负责历史资料数字化的馆员,要把 URL/本地的老 .ppt 变成可检索正文
  • 每天处理邮件里 .ppt 附件的法务助理,需要先全文抽取再检索关键词
  • 维护 MinerU Token 与批处理脚本的内部平台工程师,要把抽取接到 Agent 流水线
  • 投研或咨询分析师,只想抽取部分页码的路演页再写内部备忘录