截图 OCR 文字识别

要解决的问题

在整理会议截图、合同图片、报表截图或群聊图片时，核心痛点不是“能不能读出字”，而是能否拿到可直接继续编辑的结构化文本：中文、英文、数字、代码、表格和换行是否还能保持原样。传统复制粘贴无法作用于图片，人工转录又容易把表格拆散、把段落合并、把中英混排顺序搞错。这个技能把这类请求收敛为明确的图片 OCR 工作流。

工作方式与核心能力

技能围绕图片路径输入展开，适合单张快速识别和批量处理：

• 图片读取：支持 .png、.jpg、.jpeg、.bmp、.webp 等常见格式。
• 文字提取：识别中英文混合内容，并尽量保留原文段落结构和换行位置。
• 批量处理：传入多张图片时按顺序处理，结果用分隔线隔开，并标注来源文件名。
• 表格还原：遇到表格时判断输出格式；简单表格输出 Markdown 表格，复杂或数据量较大的表格输出 CSV。

关键步骤是：用户提供图片路径 -> 使用 Read 工具读取图片 -> 按内容类型提取文字或表格 -> 按单图/批量规则格式化返回。

适用边界

它适合截图、扫描件、截图表格等“已有图像中的可见文字”提取，不适合图片不可见内容的推测。图片模糊、分辨率低、遮挡严重或手写体识别困难时，结果可能不可用，需要提供更清晰的原图。对于高度复杂排版、跨页表格或大量密集数据，建议结合人工校验后再进入下游文档处理。