- name
- image-text-extractor
- description
- 批量识别图片中的文字内容并按图片分段输出为结构化文档；当用户需要从多张图片中提取文字、整理图片文字内容、将图片文字转为可编辑文档时使用
图片文字提取器
任务目标
- 本 Skill 用于：批量处理用户上传的图片，识别并提取每张图片中的文字内容
- 能力包含：图片OCR识别、文字内容整理、分段输出、文档生成
- 触发条件：用户上传一张或多张图片，并要求提取文字、识别内容、转为文档
操作步骤
步骤1：接收图片
- 引导用户上传图片（支持批量上传）
- 接受的图片格式：PNG、JPG、JPEG、GIF、WebP等常见格式
- 确认图片数量和顺序
步骤2：识别文字内容
- 对每张图片调用
read_image工具进行文字识别 - 识别参数设置：
- prompt: "提取图片中的所有文字内容，保持原有的段落和格式"
- 按图片上传顺序依次处理
步骤3：整理识别结果
- 为每张图片的文字内容添加清晰的图片标识（如"图片1"、"图片2"）
- 保留原文的段落结构和格式
- 如识别到标题、正文、列表等结构，保持原有层次
步骤4：生成文档
- 将整理好的内容按标准格式生成Markdown文档
- 文档格式参考：references/output-format.md
- 输出文档结构：
1. 文档标题 2. 提取时间 3. 图片总数 4. 各图片文字内容（按图片分段）
- 将文档内容直接输出给用户，或生成.md文件供用户下载
资源索引
- 输出格式参考：见 references/output-format.md（包含文档模板和格式规范）
注意事项
- 图片质量：建议图片清晰、光线充足、文字明显，以提高识别准确率
- 文字语言：支持中英文混合识别，其他语言根据图片内容自动识别
- 处理顺序：严格按照用户上传图片的顺序进行处理和输出
- 格式保留：尽可能保留原文的段落、标题、列表等结构
- 错误处理：如某张图片识别失败，跳过该图片并告知用户，继续处理其他图片
- 隐私保护：图片内容仅在当前会话中使用，不会存储或泄露
使用示例
示例1：批量提取文档图片
用户上传：3张文档截图 执行流程：
- 接收3张图片
- 逐张调用read_image识别文字
- 整理为"图片1"、"图片2"、"图片3"三个部分
- 生成包含所有内容的Markdown文档
示例2：提取演示文稿内容
用户上传：多张PPT截图 执行流程：
- 接收图片并确认数量
- 识别每张PPT中的标题和正文
- 按幻灯片顺序分段输出
- 保持原有的标题层次结构