arithmetic-orc

识别图片中的K12算式（加减乘除、竖式计算、分数、方程等），返回结构化文本结果。 支持手写体和印刷体，可拒绝非算式图片。 触发条件：用户要求识别算式、数学题、计算题图片，或上传数学题图片时调用。 关键词：算式识别、数学题、OCR、竖式计算、ArithmeticOCR

数学算式识别技能

使用腾讯云 ArithmeticOCR API，精准识别图片中的数学算式，返回识别出的文本内容和结构化信息。

使用场景

✅ 适用：

• 用户上传数学题图片（如竖式计算、分数方程、四则运算）
• 用户说“识别这张图里的算式”、“帮我读出这道数学题”
• 需要将手写或印刷的数学题转为可编辑文本

❌ 不适用：

• 识别普通文档文字（请用通用OCR）
• 识别非数学内容的图片（风景、人物等，除非开启拒绝模式）

执行流程

1. 获取图片

从用户输入中获取图片：

• 优先使用 imageBase64 参数（图片的 Base64 编码）
• 其次使用 imageUrl 参数（图片的 URL 地址）

2. 调用腾讯云 API

使用 Node.js 脚本 index.js 调用腾讯云 ArithmeticOCR 接口，传入：

• 图片数据
• 可选参数：rejectNonArithmetic（是否拒绝非算式图）
• 可选参数：enableDispMidResult（是否显示竖式中间结果）

3. 处理返回结果

API 返回包含以下信息：

• TextDetections：识别的文本区域列表（每个区域包含文本内容、置信度、位置坐标）
• Angle：图片旋转角度
• RequestId：请求ID

4. 向用户返回结果

• 如果成功：返回所有识别出的文本（拼接成一句）和详细检测信息
• 如果失败：返回错误信息（如“图片中未检测到文本”、“API调用失败”等）

权限要求

此技能需要以下权限：

• network.request：访问腾讯云 API
• file.read：如果用户提供本地图片路径（需先读取文件）

配置说明

使用前需要在 OpenClaw 中配置腾讯云密钥：

方式一：环境变量

• TENCENTCLOUD_SECRET_ID=你的SecretId
• TENCENTCLOUD_SECRET_KEY=你的SecretKey

方式二：OpenClaw 配置

• openclaw config set tencentcloud.secretId "你的SecretId"
• openclaw config set tencentcloud.secretKey "你的SecretKey"