验证码识别 OCR

要解决什么问题

自动化脚本、测试或辅助登录流程里，经常遇到图形验证码：人眼能读，程序却要先拿到明文字符串才能继续提交表单或重试请求。手写模板匹配或维护本地 OCR 模型成本高，也不适合覆盖站点里样式各异的「常见验证码」。本技能把识别这件事交给小笨羊的在线 OCR 接口，你只负责把图片交给技能并读回文本。

技能如何工作

大模型侧充当路由层：理解你是要「图片链接」还是「Base64 数据」，再选用对应工具并补齐参数。

• scripts.tools.ocr_captcha：必填参数 dataUrl，传入可访问的图片 URL。
• scripts.tools.ocr_captcha_for_data_base64：必填参数 dataBase64，传入图片的 Base64 编码。

调用前会检查 scripts.config.settings.api_key；若 .env 里没有 XBY_APIKEY，应通过 AskUserQuestion 向用户索取密钥，并用 scripts.config.set_api_key 持久化。工具返回的 dict 中，result["raw"] 为 API 原始 JSON，应据此整理后展示；同时可参考 success 与 message 判断成败。

适用边界与注意点

• 必须配置 API 密钥，且密钥从小笨羊官网获取；缺密钥时不得猜测或伪造识别结果。
• 技能描述针对「常见验证码」场景，复杂滑块、点选、行为验证等不在本工具表所列能力内。
• 图片链接需可被服务端拉取；Base64 路径适合本地截图或不便暴露 URL 的素材。
• 识别准确率与计费、限流以小笨羊 API 实际策略为准，集成时需自行处理失败重试与合规使用。