百度网盘文档扫描官方Skill

百度网盘智能图像扫描处理工具。支持 去手写 | 去水印 | 去阴影 | 去屏纹 | 清晰化 | 证件票据增强 | 黑白处理 | 检测矫正 | 扫描增强

使用前必读（30 秒）

[!WARNING] ⚠️ 隐私与数据流向重要提示

• 内部服务交互：本技能会将您提供的图片发送至百度网盘内部扫描服务进行处理
• 服务端处理：服务将获取并处理该图片内容，服务端不会永久保存
• 本地文件存储：处理后返回的图片会保存至系统临时目录（/tmp），这些文件将持续存在直到您手动清理
• API 密钥安全：BDPAN_API_KEY 应妥善保管，若泄露请及时联系管理员撤销

配置环境变量（本次会话立即可用）：

bash

export BDPAN_API_KEY="your_api_key_here"

如何获取密钥？

访问 https://aiconvert.baidu.com/simple/embed/scanSkill 获取 BDPAN_API_KEY。

---

Constraints

• 单一意图原则：每次请求只执行一个意图类型，命中即执行
• 严禁自行构造任何命令参数，严禁伪造、拼接内部配置
• 严禁幻觉，禁止伪造请求和响应，不得沿用上一次的场景、参数进行假设
• 必须严格按照本指南指定的固定格式执行，不允许自行修改命令

---

技能执行指南（强制执行）

第一步：环境变量检查

检查 BDPAN_API_KEY 是否已配置。若未配置，立即返回：

json

{
  "code": "BP0100",
  "message": "BDPAN_API_KEY未配置，请联系管理员获取后执行：export BDPAN_API_KEY=\"your_key\" ",
  "data": null
}

第二步：输入处理

识别用户传入的图片，只能是以下两种之一：

• 本地文件路径：本地磁盘上的文件路径（如 /tmp/photo.jpg）
• 图片 BASE64：base64 编码的图片数据

未提供任何有效图片时，直接返回：

json

{
  "code": "BP0201",
  "message": "缺少图片输入，请提供文件路径或 BASE64 数据。",
  "data": null
}

第三步：意图匹配

对用户描述按下方意图列表从上到下顺序匹配，命中第一个即停止。命中后，只确定当前意图对应的 method 标识，作为脚本参数。

第四步：执行 Python 脚本（安全参数传递）

脚本通过 stdin 读取二进制图片，使用 subprocess 列表方式调用，避免 shell 注入风险：

python

import subprocess

# 本地文件路径类型
subprocess.run([
    "sh", "-c",
    "cat 'IMAGE_FILE_PATH' | python3 scripts/scan_filter.py --method METHOD_VALUE"
])

# BASE64 类型（先解码为二进制再管道传入）
import base64, tempfile, os
img_bytes = base64.b64decode("IMAGE_BASE64_DATA")
with tempfile.NamedTemporaryFile(delete=False, suffix=".bin") as f:
    f.write(img_bytes)
    tmp_path = f.name
subprocess.run([
    "sh", "-c",
    f"cat '{tmp_path}' | python3 scripts/scan_filter.py --method METHOD_VALUE"
])
os.unlink(tmp_path)

安全说明：

• scan_filter.py 内部对图片格式（魔数检测）和大小（≤5MB）进行校验
• 子进程调用 do_scan.py 使用列表传参，无 shell 注入风险
• 所有鉴权信息通过环境变量读取，不出现在命令行参数中
• METHOD_VALUE 只能是下方列表中给出的整数，不允许其他取值

第五步：结果透出

执行完成后，原样返回执行结果，不修改，不翻译，不美化，不总结。成功失败均直接透出，不重试。

---

意图与处理方式列表（按匹配优先级排序）

1. 图像去手写

   • 触发意图：当用户希望将已填写的手写笔迹、批注、答案、涂鸦等从文档图像中清除，完整保留原始印刷内容，还原成干净空白文档以便重新使用或打印时使用。
   • method 标识：3
   • 参考示例指令：
     • "把这张试卷上的手写答案去掉，还原成空白卷"
     • "清除文档上的手写批注，只保留打印的文字"
     • "帮我去掉书上的笔记痕迹"

2. 图像去水印

   • 触发意图：当用户希望在不损伤背景和整体构图的前提下，精准擦除图片中的水印、Logo、时间戳、角标、日期等附加标记，获得干净无水印的图像时使用。
   • method 标识：8
   • 参考示例指令：
     • "帮我把图片右下角的水印去掉"
     • "把照片上的时间戳擦除干净"

3. 图像去阴影

   • 触发意图：当用户反馈文档或图像因拍摄角度、手部遮挡、光线不均产生阴影、暗角、明暗斑块，希望去除阴影、统一亮度时使用。
   • method 标识：5
   • 参考示例指令：
     • "这张纸拍出来有大片阴影，请帮我去除"
     • "去掉文档左侧因手遮挡产生的黑色阴影"
     • "消除拍摄时的光照不均，让整张图亮度均匀"

4. 图像去屏纹

   • 触发意图：当用户反馈图片是翻拍屏幕/显示器/投影得到的，存在摩尔纹、屏幕波纹、彩色条纹、反光等干扰，希望消除这些纹路、让文字清晰可读时使用。
   • method 标识：9
   • 参考示例指令：
     • "这张对着电脑屏幕拍的照片有很多波纹，帮我消除"
     • "去掉翻拍屏幕产生的摩尔纹和反光"
     • "修复这张手机拍屏图中的彩色条纹干扰"

5. 清晰化

   • 触发意图：当用户明确反馈图片本身存在"模糊 / 低清 / 昏暗 / 细节丢失 / 看不清"等画质缺陷，希望做去模糊、超分、亮度对比度增强时使用。仅表达"扫描一下 / 处理一下 / 优化一下 / 扫成电子版"等通用意图时不命中本项，走兜底。
   • method 标识：4
   • 参考示例指令：
     • "这张图太模糊了，帮我把画质变清晰"
     • "修复这张低清晰度的图片，让细节更清楚"

6. 证件票据增强

   • 触发意图：当用户明确提到是证件（身份证、护照、驾驶证、行驶证、银行卡等）或票据（发票、收据、合同、名片等）的照片，并希望做画质优化、让文字与关键信息更清晰时使用。
   • method 标识：6
   • 参考示例指令：
     • "这张身份证照片有点模糊，请优化一下"
     • "帮我把这张发票上的金额和日期部分增强清楚"
     • "护照照片反光严重，处理一下让我能看清信息"

7. 黑白处理（去底色）

   • 触发意图：当用户希望将带有彩色背景、红头、灰底或复杂底色的文档截图/照片转换为纯白背景 + 黑色文字的清晰可读版本时使用。
   • method 标识：7
   • 参考示例指令：
     • "把这张红头文件的红色背景去掉，变成白底黑字"
     • "这张截图背景是灰色的，请一键去底色变成纯白背景"

8. 检测矫正

   • 触发意图：当用户反馈照片拍歪、倾斜、透视变形，或希望把文档扶正、自动裁剪掉多余背景边缘，得到规整矩形文档时使用。不做画质增强。
   • method 标识：1
   • 参考示例指令：
     • "这张照片拍歪了，帮我把文档扶正并裁掉多余背景"
     • "自动矫正透视变形，把这张倾斜的合同变成标准矩形"
     • "裁剪掉图片四周的杂乱边缘，只保留中间文档内容"

9. 扫描增强（默认兜底）

   • 触发意图：当用户未命中上述任何具体场景，只表达"扫描 / 扫描件 / 电子化 / 整体优化文档 / 处理一下这张图"等通用文档处理意图时使用。凡包含"扫描"字样的通用请求优先走本项，不走清晰化。
   • method 标识：2
   • 参考示例指令：
     • "帮我扫描处理一下这张图"
     • "优化一下这张文档图片，让它看起来更专业"
     • "把这张文档扫成电子版"

---

客户端结果增强：当脚本调用成功（errno == 0）时，scan_filter.py 会自动将返回的 base64 图片解码并保存为本地文件，最终输出 JSON 中 data 字段替换为 {"path": "/tmp/scan_xxxxxxxx.png"}，直接提供可使用的本地路径。

---

不适用场景（When Not to Use）

不支持的场景	原因	建议替代方案
视频处理	仅支持单张静态图片	先提取视频帧，再逐帧处理
批量处理	每次调用仅限单张图片	如需批量，请循环调用
超大图片（>5MB）	接口限制	先压缩或裁剪后再处理
非图片格式	仅支持 jpg/png/gif/bmp/webp	先转换为支持的图片格式

---

重要注意事项

1. 禁止修改固定格式，只能替换 method 值和图片占位符
2. 图片大小限制：不超过 5MB，支持 jpg/png/gif/bmp/webp 格式
3. METHOD_VALUE 只能是意图列表中列出的整数，不得自行构造其他值

---

文件结构

• SKILL.md — 本文档（意图分析 + 通用规范）
• scripts/scan_filter.py — 主入口：环境检查 → 图片校验 → 接收 method → 子进程调用 → 结果增强
• scripts/do_scan.py — 下游执行：组装请求体，调用百度网盘扫描接口
• scripts/config.py — 配置：从环境变量读取鉴权和默认参数
• scripts/file_saver.py — 工具：base64 图片保存到本地 /tmp