Image2text Ocr

将图片中的文字信息识别并提取出来。本技能应在用户需要 OCR 识别图片中的文字时使用。

Sugon-Scnet 通用 OCR 技能

本技能封装了 Sugon-Scnet 通用 OCR 服务，通过单一接口即可调用ocr识别能力，高效提取文字信息。

功能特性

• 通用文字识别：提取图片中的全部文字，支持横竖版及坐标定位。

前置配置

⚠️ 重要：使用前需要申请 Scnet API Token

申请 API Token

1. 访问 Scnet 官网 注册/登录
2. 在控制台申请 API 密钥（格式：sc-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx）
3. 复制密钥备用

配置 Token

手动配置（推荐）

1. 在技能目录下创建 config/.env 文件，内容如下：

ini

# =====  Sugon-Scnet OCR API 配置 =====
# 申请地址：https://www.scnet.cn
SCNET_API_KEY=your_scnet_api_key_here

# API 基础地址（一般无需修改）
SCNET_API_BASE=https://api.scnet.cn/api/llm/v1

2. 添加：SCNET_API_KEY=你的密钥
3. 设置文件权限为 600（仅所有者可读写） ⚠️ 安全警告：切勿将 API Key 直接粘贴到聊天对话中，否则可能被记录或泄露。

Token 更新

Token 过期后调用会返回 401 或 403 错误。更新方法：重新申请 Token 并替换 config/.env 中的 SCNET_API_KEY。

依赖安装

本技能需要 Python 3.6+ 和 requests 库。请运行以下命令：

bash

   pip install requests

---

使用方法

参数说明

参数名	类型	必填	描述
ocrType	string	是	识别类型枚举。必须为以下之一： • GENERAL 通用文字
filePath	string	是	待识别图片的本地绝对路径。支持 jpg、png、pdf 等常见格式。

命令行调用示例

bash

   python .claude/skills/sugon-scnet-ocr/scripts/main.py VAT_INVOICE /path/to/invoice.jpg

在 AI 对话中使用

用户可以说：

• “OCR 这个图片里的文字，图片在 /Users/name/Desktop/text.png”

AI 会根据 description 中的关键词自动触发本技能。

AI 调用建议

为避免触发 API 速率限制（10 QPS），请串行调用本技能，即等待前一个识别完成后再发起下一个请求。 如果使用 OpenClaw 的 exec 工具，建议设置 timeout 或 yieldMs 参数，让命令同步执行，避免多个命令同时运行导致并发。

配置选项

编辑 config/.env 文件：

变量名	默认值	说明
SCNET_API_KEY	必需	Scnet API 密钥
SCNET_API_BASE	https://api.scnet.cn/api/llm/v1	API 基础地址（一般无需修改）

输出

• 标准输出：识别结果的 JSON 数据，结构与 API 文档一致，位于 data 字段内。
• 识别结果位于 data[0].result[0].elements 中，具体字段取决于 ocrType。
• 错误信息：如果发生错误，会输出以 错误: 开头的友好提示。

注意事项

• 本技能调用的 OCR API 有 10 QPS 的速率限制。
• 如果遇到 429 错误，请等待 2-3 秒后重试，不要连续发起请求。
• 建议在调用前确保图片已准备就绪，避免因网络问题导致重复调用。

故障排除

问题	解决方案
配置文件不存在	创建 config/.env 并填入 Token（参考前置配置）
API Key 无效/过期	重新申请 Token 并更新 .env 文件
文件不存在	检查提供的文件路径是否正确
网络连接失败	检查网络连接或防火墙设置
不支持的文件类型	确保文件扩展名为允许的类型（参考 API 文档）
401/403/Unauthorized	Token 无效或过期，重新申请并配置
429 Too Many Requests	请求过于频繁，技能会自动等待并重试（最多 3 次）。若持续失败，请降低调用频率或联系服务方提高限额。