文本识别 OCR

问题

图像里的文字常常以低分辨率截图、拍摄文档、广告牌照片等形式出现。工程侧要处理的不是单一模型调用，而是输入格式、鉴权、参数缺失和返回数据整理等流程问题。

工作方式

文本识别OCR 以图像输入为起点，自动检测并识别其中的文本内容，适合文档、广告牌、屏幕截图等场景。其调用路径通常分为三步：

• 选择工具：图片链接使用 scripts.tools.ocr，Base64 图片数据使用 scripts.tools.ocr_for_data_base64。
• 补齐参数：ocr 需要 dataUrl，ocr_for_data_base64 需要 dataBase64；参数不完整时应先向用户确认。
• 整理结果：返回对象包含 success、message 和 raw，其中 raw 是 API 原始数据，可直接用于展示或后续处理。

适用边界

该技能要求配置 XBY_APIKEY。缺少密钥时应询问用户，不应自行编造识别结果。它适合图片 URL 或 Base64 输入；本地私有文件需要先转换为可访问链接或 Base64 数据。若 success 为 false，应结合 message 与 raw 判断失败原因。