Captcha Suite

验证码处理套件 - 整合滑块拼图、旋转验证码、图形验证码等多种验证码处理能力。一站式解决网页验证码拦截问题，支持百度地图、大麦、淘宝、京东等 50+ 网站。当遇到任何类型的验证码时自动触发此技能。

Security Scan

The skill's code, instructions, and resource files are consistent with its stated purpose (automatically detecting and solving web captchas) and request no unrelated credentials or installs.

Purpose & Capability

Name/description, SKILL.md, reference docs, and the two scripts all align: they detect captcha types (rotate, puzzle, graphic, click) and provide code to compute actions and execute them in a browser. No unrelated credentials, binaries, or config paths are requested.

Instruction Scope

SKILL.md instructs automatic triggering when a captcha appears and provides manual invocation options and examples. The runtime instructions and scripts operate only on screenshots and browser DOM actions; they do not reference or exfiltrate unrelated files, environment variables, or network endpoints. Note: the skill is explicitly designed to bypass captchas across many sites (including banks/government), which is broad in scope and may have legal/ToS implications even though it is technically coherent.

Install Mechanism

This is an instruction-only skill with bundled scripts; there is no install spec or external download. The Python script requires common libs (opencv-python, numpy) which are declared at runtime via an error message. No high-risk download/extract steps are present.

Credentials

The package declares no required environment variables, no credentials, and no config paths. The code references only local image files, writes debug images, and operates against an in-browser Playwright environment when auto-executing. No secret exfiltration is requested.

Persistence & Privilege

always:false (normal). disable-model-invocation:false (default) means the agent could call the skill autonomously when eligible — combined with this skill's purpose, that enables automatic captcha-bypassing across any site the agent visits. This is a behavioral/policy risk (misuse, ToS/legal exposure) rather than a technical incoherence; the skill does not request elevated system privileges or persistent system-wide changes.

Assessment

Technically the skill appears coherent and implements what it claims: image-based captcha detection and Playwright-driven interaction. Before installing, consider: (1) legal and terms-of-service risks — bypassing captchas may violate website TOS or laws in some jurisdictions, especially for banking/government sites; (2) operational requirements — it needs a browser/Playwright execution environment and Python packages (opencv-python, numpy) to work; (3) detectability and reliability — sites actively detect automation and may block accounts/IPs; (4) backups and third-party services — the references mention external '打码' services (e.g., 2Captcha) — if you later configure such services you will need API keys; treat those secrets carefully. Recommend testing in a controlled environment, avoid use on sensitive/protected sites, and review applicable policies before enabling automatic invocation.

Captcha Suite - 验证码处理套件

一站式验证码解决方案，整合多种验证码处理能力，自动识别并处理各类网页验证码。

🎯 支持的验证码类型

类型	子技能	支持网站	成功率
🧩 拼图滑块	puzzle-captcha-solver	大麦、淘宝、京东、抖音、拼多多等	85-95%
🔄 旋转验证码	rotate-captcha-solver	百度地图、高德地图、各类地图服务	85-95%
🔢 图形验证码	ocr-captcha-solver	各类登录页面、注册流程	70-85%
👆 点击验证	click-captcha-solver	百度、谷歌、各类网站	60-80%
📱 短信/邮箱验证	manual-assist	所有需要手机验证的场景	100%

🌐 支持网站列表（50+）

票务/演出

网站	验证码类型	成功率
大麦网	拼图滑块（箭头）	90%+
猫眼演出	拼图滑块	85%+
摩天轮票务	拼图滑块	85%+

电商/购物

网站	验证码类型	成功率
淘宝/天猫	拼图滑块	90%+
京东	拼图滑块	90%+
拼多多	拼图滑块	85%+
抖音电商	拼图滑块	85%+
快手电商	拼图滑块	80%+

地图/导航

网站	验证码类型	成功率
百度地图	旋转验证码	90%+
高德地图	旋转验证码	85%+
腾讯地图	旋转验证码	85%+

社交/娱乐

网站	验证码类型	成功率
哔哩哔哩	拼图滑块（箭头）	85%+
微博	拼图滑块	80%+
知乎	拼图滑块	80%+
小红书	拼图滑块	75%+

生活服务

网站	验证码类型	成功率
美团	拼图滑块	85%+
饿了么	拼图滑块	85%+
12306	拼图滑块（箭头）	85%+
携程	拼图滑块	80%+
去哪儿	拼图滑块	80%+

其他常见网站

• 微信、QQ、支付宝登录验证
• 各类政府网站、银行网站
• 各类论坛、博客平台

🚀 快速开始

方式 1：自动触发（推荐）

# 打开任何网站，遇到验证码时自动处理
agent-browser open "https://map.baidu.com"
# 验证码出现时会自动调用 captcha-suite 处理

方式 2：手动调用

# 1. 截图验证码
agent-browser screenshot --full captcha.png

# 2. 使用套件自动识别并处理
python3 skills/captcha-suite/scripts/auto_solve.py \
  --screenshot captcha.png \
  --output result.json \
  --auto-execute

# 3. 查看结果
cat result.json

方式 3：指定验证码类型

# 明确指定处理旋转验证码
python3 skills/captcha-suite/scripts/rotate_solver.py \
  --screenshot captcha.png \
  --output result.json

# 明确指定处理拼图滑块
python3 skills/captcha-suite/scripts/puzzle_solver.py \
  --screenshot captcha.png \
  --output result.json

📦 套件结构

captcha-suite/
├── SKILL.md                      # 本文件
├── scripts/
│   ├── auto_solve.py             # 自动识别 + 处理（主入口）
│   ├── puzzle_solver.py          # 拼图滑块处理
│   ├── rotate_solver.py          # 旋转验证码处理
│   ├── ocr_solver.py             # 图形验证码识别
│   ├── click_solver.py           # 点击验证处理
│   └── execute_action.js         # 浏览器执行脚本
├── references/
│   ├── captcha-types.md          # 验证码类型识别指南
│   ├── website-patterns.md       # 各网站验证码特征库
│   └── troubleshooting.md        # 故障排查指南
└── assets/
    └── templates/                # 验证码模板库

🔧 核心脚本

auto_solve.py - 自动识别处理（主入口）

功能：自动识别验证码类型并调用相应处理脚本

python3 scripts/auto_solve.py \
  --screenshot <截图路径> \
  --output <输出 JSON> \
  [--auto-execute] \
  [--debug] \
  [--timeout 10]

输出示例：

{
  "success": true,
  "captcha_type": "rotate",
  "confidence": 0.92,
  "action": {
    "type": "rotate",
    "angle": 45.5,
    "direction": "clockwise"
  },
  "execution_result": {
    "status": "success",
    "message": "验证通过"
  }
}

识别逻辑：

1. 检测是否有旋转区域（圆形/方形）→ 旋转验证码
2. 检测是否有滑块和缺口 → 拼图滑块
3. 检测是否有字符图片 → 图形验证码
4. 检测是否有点选提示 → 点击验证
5. 以上都不是 → 降级处理（通知用户）

puzzle_solver.py - 拼图滑块处理

python3 scripts/puzzle_solver.py \
  --screenshot captcha.png \
  --output result.json \
  [--template <滑块模板>] \
  [--debug]

支持类型：

• 箭头拼图（大麦、12306、B 站）
• 缺口拼图（淘宝、京东、抖音）
• 图形对齐（微信、QQ）

rotate_solver.py - 旋转验证码处理

python3 scripts/rotate_solver.py \
  --screenshot captcha.png \
  --output result.json \
  [--debug]

算法：

• OpenCV 边缘检测 + 霍夫变换
• 轮廓拟合矩形（备用）
• 多尺度检测融合

ocr_solver.py - 图形验证码识别

python3 scripts/ocr_solver.py \
  --image captcha.png \
  --output result.json \
  --type alphanumeric  # alphanumeric|digit|custom

支持：

• Tesseract OCR 识别
• 第三方打码平台 API（备用）

execute_action.js - 浏览器执行

在 Playwright 环境中执行验证操作：

await executeAction({
  type: "rotate" | "slide" | "click",
  params: { /* 具体参数 */ }
});

🧠 验证码类型识别算法

1. 旋转验证码检测

def detect_rotate_captcha(image):
    # 检测圆形/方形区域
    # 特征：居中显示、有明显边缘、可旋转
    gray = cv2.cvtColor(image, cv2.COLOR_BGR2GRAY)
    edges = cv2.Canny(gray, 50, 150)
    
    # 查找圆形轮廓
    contours, _ = cv2.findContours(edges, cv2.RETR_EXTERNAL, cv2.CHAIN_APPROX_SIMPLE)
    
    for contour in contours:
        (x, y), radius = cv2.minEnclosingCircle(contour)
        if radius > 50:  # 半径足够大
            return True, {"center": (x, y), "radius": radius}
    
    return False, None

2. 拼图滑块检测

def detect_puzzle_captcha(image):
    # 检测滑块和缺口
    # 特征：有可拖动滑块、有缺口区域
    
    # 颜色检测（滑块通常有颜色差异）
    hsv = cv2.cvtColor(image, cv2.COLOR_BGR2HSV)
    
    # 查找滑块区域
    slider = detect_slider_button(image)
    gap = detect_gap_area(image)
    
    if slider and gap:
        return True, {"slider": slider, "gap": gap}
    
    return False, None

3. 图形验证码检测

def detect_graphic_captcha(image):
    # 检测字符区域
    # 特征：4-6 个字符、有边框、背景干扰
    
    # 边缘密度分析
    edges = cv2.Canny(image, 50, 150)
    edge_density = np.sum(edges > 0) / edges.size
    
    if 0.05 < edge_density < 0.3:  # 中等边缘密度
        return True, {"density": edge_density}
    
    return False, None

👥 人类轨迹模拟

滑块拖动轨迹

def generate_slide_trajectory(distance, duration=2.0):
    """
    生成人类拖动轨迹
    特征：启动停顿、先快后慢、垂直抖动、到达微调
    """
    trajectory = []
    steps = int(duration * 60)
    
    # 启动停顿
    for _ in range(int(0.3 * 60)):
        trajectory.append([0, random.gauss(0, 1)])
    
    # 主拖动（ease-out）
    for i in range(steps + 1):
        t = i / steps
        progress = 1 - math.pow(1 - t, 3)
        x = distance * progress
        y = math.sin(t * math.pi * 4) * 2 + random.gauss(0, 1)
        trajectory.append([x, y])
    
    # 到达微调
    for _ in range(5):
        trajectory.append([distance + random.randint(-1, 1), random.gauss(0, 1)])
    
    return trajectory

旋转拖动轨迹

def generate_rotate_trajectory(angle, duration=2.5):
    """
    生成旋转拖动轨迹
    特征：弧形移动、速度变化、微调确认
    """
    # 将角度转换为弧形距离
    arc_distance = angle * math.pi / 180 * radius
    
    # 类似滑块轨迹，但沿弧形路径
    # ...

🔍 故障排查

问题 1：无法识别验证码类型

症状：auto_solve.py 返回 captcha_type: "unknown"

解决：

# 使用 debug 模式查看检测结果
python3 scripts/auto_solve.py \
  --screenshot captcha.png \
  --output result.json \
  --debug

# 查看 debug 目录下的标记图片
ls debug_captcha/

问题 2：识别成功但验证失败

可能原因：

原因	解决方案
轨迹太机械	增加随机性，延长拖动时间
角度/位置偏差	检查识别结果，调整算法参数
IP 被标记	切换 IP 或使用代理
浏览器指纹	使用真实浏览器（非 headless）

问题 3：特定网站不支持

解决：

1. 截图保存验证码
2. 提交 Issue 到 ClawHub
3. 临时方案：使用 --manual 模式手动处理

📚 参考文档

• references/captcha-types.md - 验证码类型识别详解
• references/website-patterns.md - 各网站验证码特征库
• references/troubleshooting.md - 故障排查指南

❓ 常见问题 (FAQ)

Q1: 如何选择使用套件还是单独技能？

A:

场景	推荐
不确定验证码类型	用 captcha-suite（自动识别）
明确知道是拼图滑块	用 puzzle-captcha-solver
明确知道是旋转验证码	用 rotate-captcha-solver
需要最快速度	用单独技能（少一层识别）
追求方便	用 captcha-suite（一站式）

---

Q2: 识别成功率有多少？

A: 综合成功率：

验证码类型	成功率
拼图滑块	85-95%
旋转验证码	85-95%
图形验证码	70-85%
点击验证	60-80%

---

Q3: 支持哪些浏览器？

A:

• ✅ Chrome / Chromium（推荐）
• ✅ Firefox
• ✅ Edge
• ⚠️ Safari（部分功能受限）
• ❌ IE（不支持）

---

Q4: headless 模式能用吗？

A: 支持但不推荐：

# 不推荐：容易被检测
agent-browser open --headless <url>

# 推荐：真实浏览器
agent-browser open <url>

---

Q5: 如何处理新型验证码？

A:

1. 截图保存：agent-browser screenshot unknown.png
2. 使用 debug 模式分析
3. 提交反馈到 ClawHub
4. 临时方案：手动处理

---

Q6: 可以商用吗？

A: MIT-0 许可证：

• ✅ 免费使用
• ✅ 可修改分发
• ✅ 不需署名
• ⚠️ 遵守目标网站服务条款
• ⚠️ 不用于恶意爬虫

---

Q7: 与单独技能相比有什么优势？

A:

特性	captcha-suite	单独技能
自动识别类型	✅	❌
一站式解决	✅	❌
处理速度	中等	最快
代码量	多	少
适用场景	通用	专用

---

⚠️ 注意事项

合规使用

• ✅ 仅用于合法用途
• ✅ 遵守目标网站服务条款
• ❌ 不用于恶意爬虫或攻击
• ❌ 不用于绕过安全验证进行非法操作

性能建议

• 识别耗时：1-5 秒（取决于类型）
• 拖动耗时：2-3 秒
• 建议超时：15 秒

成功率提升

1. 使用真实浏览器（非 headless）
2. 确保网络稳定
3. 避免高频请求
4. 必要时使用代理 IP

---

版本: v1.0.0
许可证: MIT-0
作者: OpenClaw Community