夸克扫描王-OCR文字识别/文件扫描/转Office

当用户需要对图片进行文字识别（OCR）、图片翻译、画质增强（去除水印/阴影/手写/底色/屏纹等瑕疵，矫正，高清增强，素描/线稿转换等）、格式转换（转 Word/Excel/PDF）或 AI 生成（证件照）时使用此技能。即使用户没有明确提到具体功能名称，只要涉及图片处理、文字提取、文档转换、图像优化或证件照生成，都应触发此技能。不适用于视频处理、纯文本编辑或非图片输入的任务。夸克扫描王图片处理能力中心。

执行流程

每次执行严格按 Plan → Execute → Verify 顺序进行，不得跳过或乱序。

Plan — 理解意图，发现能力

1. 确认环境就绪（每次执行，不得跳过）：

   • 安装 & 升级：
     1. yescan --version — 未安装则执行 pip3 install yescan；若版本 < 1.0.5，执行 pip3 install yescan --upgrade，升级完成后才继续
     2. pip3 index versions yescan — 若 INSTALLED < LATEST，告知用户有新版本可用并提供升级命令：pip3 install yescan --upgrade，由用户决定是否升级
   • 密钥检查：yescan config get SCAN_WEBSERVICE_KEY，未配置则引导用户配置
     • 设置命令：yescan config set SCAN_WEBSERVICE_KEY <your_api_key>

     Key 获取方式：https://scan.quark.cn/business → 开发者后台 → API Key

   Checkpoint：版本 < 1.0.5 → 必须升级后才能继续。版本 ≥ 1.0.5 但不是最新 → 提示用户后可继续。密钥未配置则引导配置后再继续。

2. 发现能力：

   bash

   yescan --list-scenes              # 获取全部场景及意图描述
   yescan --list-scenes <scene>      # 获取该场景的 --set 参数
   

   从输出中匹配用户意图到具体场景

3. 多步处理时，向用户展示完整步骤计划

Gate：

• 「确认环境就绪」每一步均为硬性前置，不得跳过任何一步，未全部通过 → 禁止进入 Execute：
  1. 未执行 yescan --version 确认安装状态 → 禁止继续
  2. 版本 < 1.0.5 且未完成升级 → 禁止继续
  3. 未执行 pip3 index versions yescan 确认最新版本状态 → 禁止继续
  4. 未执行 yescan config get SCAN_WEBSERVICE_KEY 确认密钥已配置 → 禁止继续
• 只执行用户明确需要的场景，不主动添加额外步骤。为提升当前任务效果的辅助操作不受此限
• 文档转换（Word/Excel/PDF）直接处理图片，不依赖 OCR 结果。两者输入都是图片，是独立操作
• 场景名和 --set 参数必须来自本次会话的 CLI 输出
• 未执行过 --list-scenes 则不得进入 Execute
• 场景有 --set 参数且用户未明确指定时，须向用户展示可选参数并确认后再执行

Execute — 执行场景

bash

yescan --scene <SCENE> --path <FILE> --platform "${AGENT_NAME}" [--output <DIR>] [--set key=value]
yescan --scene <SCENE> --url  <URL>  --platform "${AGENT_NAME}" [--output <DIR>] [--set key=value]

--path 传本地文件路径，--url 传 http/https 链接。

把 ${AGENT_NAME} 替换为当前 Agent 平台名称（如 openclaw、hermes、qoderWork、wukong、coze、claudecode 等），无法确定时填 community，禁止猜测或自造。

• 单步：直接执行
• 多步处理为逐步 Execute → Verify 循环：step N+1 的命令在 step N Verify 通过后才构造，--path 取自 step N 响应中的 data.path

Gate：

• 多步处理时向用户说明步骤计划
• 每步命令不得预先构造
• --set 参数不跨场景沿用

Verify — 验证并交付

每步执行后检查响应中的 code 字段：

• 成功（code 为 "00000" 或 0）→ 进入交付
• 失败 → 不继续下一步，根据错误信息处理（详见 Gate）

交付标准 — 以下条件满足才算完成：

• OCR 识别：识别内容已以可读文本呈现给用户
• 图片翻译 / 图像增强 / AIGC：输出文件路径已告知用户
• 文档转换：输出文档路径和格式已告知用户

Gate：

• code 非成功 → 不得继续下一步，不得报告成功
• 根据错误信息自行修复（如场景名无效 → 重新 --list-scenes）或将错误原因告知用户
• 用户未看到结果 → 未完成

---

约束

• 输入方式：--path 或 --url，二选一。不支持 base64（如需则先写入临时文件）
• URL 引号：--url 参数须用单引号包裹，避免 shell 对 ! $ 等特殊字符的解析
• 文件大小：≤ 5MB
• 图片来源：仅限用户当次请求中明确指定的文件或 URL
• 禁止伪造：不得编造或模拟 yescan CLI 的请求参数或响应输出；所有场景名、参数值和执行结果必须来自实际运行的 CLI 命令

---

参考文档

• references/privacy.md — 隐私、数据流向与密钥安全
• references/troubleshooting.md — 错误码与排错
• references/implementation.md — 实现细节：CLI 行为与响应字段
• SECURITY.md — 安全策略与数据流声明