Allen Niu

Agent Paddleocr Vision

知識管理v1.1.1
作者:Allen Niu更新於 2026-07-16共 4 個版本 · 最新版本釋出於 2026-07-16agent-paddleocr-vision@clawhub_nhzallen/agent-paddleocr-vision
檔案問答#Document

據 AlphaMoat 統計,截至 2026-09,Agent Paddleocr Vision 累計下載 1,298 次、獲 0 個星標,在全部 5,078 個 AI 技能中排名第 4,893 位,在「知識管理」分類(442 個)中排名第 426 位。

累計安裝
120
累計下載
1298
星標
-
全站排名
#4,893
全站前 97% · 「知識管理」前 97%
平台累計安裝累計下載星標評論
ClawHub ↗251298--
SkillHub ↗1201105-—

各平台的計數口徑不同,站內彙總取各平台中的較大值,不相加。

這個技能是做什麼的

抽取文字並分類文件,生成結構化行動建議,支援批次處理和可檢索 PDF。PDF 生成功能另需文件處理依賴;執行示例使用 python3。

資料釋出於 2026-10-26

可以用來做什麼

  • 把掃描文件整理為結構化內容

什麼時候用

  • 已配置雲端 OCR 服務並需解析檔案時

示例提示詞

以下是根據技能文件生成的示例,不代表實際執行結果。

識別這份文件並說明可輸出的結構化欄位

使用條件

依據技能文件中的宣告整理,未經實際安裝或執行驗證。

鑑權方式
訪問令牌(Token)
鑑權說明
需要配置 PaddleOCR 介面地址和 access token。
需要的環境變數
PADDLEOCR_DOC_PARSING_API_URLPADDLEOCR_ACCESS_TOKEN
可選的環境變數
PADDLEOCR_DOC_PARSING_TIMEOUT
配置要求
  • 生成可檢索 PDF 還需 Poppler 及相關 Python 文件處理庫。
許可證(來源宣告)
MIT-0

月度資料趨勢

累計安裝120
98110122新口徑舊口徑2026-03 · 累計安裝 100 (舊口徑)2026-05 · 累計安裝 120 (舊口徑)2026-06 · 累計安裝 120 (舊口徑)2026-07 · 累計安裝 120 (舊口徑)2026-08 · 累計安裝 120 (舊口徑)2026-09 · 累計安裝 12026-0326-09
累計下載1298
1877841380新口徑舊口徑2026-03 · 累計下載 269 (舊口徑)2026-05 · 累計下載 542 (舊口徑)2026-06 · 累計下載 646 (舊口徑)2026-07 · 累計下載 950 (舊口徑)2026-08 · 累計下載 1143 (舊口徑)2026-09 · 累計下載 129826-0326-09
星標-
-11新口徑舊口徑2026-03 · 星標 - (舊口徑)2026-05 · 星標 - (舊口徑)2026-06 · 星標 - (舊口徑)2026-07 · 星標 - (舊口徑)2026-08 · 星標 - (舊口徑)2026-09 · 星標 -26-0326-09

2026-09 起為新口徑(全目錄統計);此前為舊口徑(只統計安裝量為正的技能、同名技能合併計數)。兩段不可直接比較,圖中不跨口徑連線,也不計算跨口徑的增長。

月份累計下載環比星標累計安裝
2026-091298—-120
2026-08舊口徑1143+20.3%-120
2026-07舊口徑950+47.1%-120
2026-06舊口徑646+19.2%-120
2026-05舊口徑542—-120
2026-03舊口徑269—-100

SKILL.md 原文

以下是作者釋出的原始檔案,按純文字顯示,本站未做修改或稽核;其中的連結不可點選,命令請核實後再執行。抓取於 2026-10-23。

展開原文(2.7 KB · ClawHub v1.1.1)
---
name: agent-paddleocr-vision
description: Multi-language document understanding with PaddleOCR
metadata:
  openclaw:
    requires:
      env:
        - PADDLEOCR_DOC_PARSING_API_URL
        - PADDLEOCR_ACCESS_TOKEN
      bins:
        - python
    primaryEnv: PADDLEOCR_ACCESS_TOKEN
    emoji: "👁️"
    homepage: https://github.com/NHZallen/agent-paddleocr-vision
---

# Agent PaddleOCR Vision

**OCR with Agent Actions — powered by PaddleOCR only.** Automatically classifies documents and provides actionable prompts.

## What It Does

- OCR extraction via **PaddleOCR cloud API** (requires credentials)
- 11 document types: invoice, business card, receipt, table, contract, ID card, passport, bank statement, driver's license, tax form, general
- Action suggestion with structured parameters
- Batch processing
- Searchable PDF generation (with bbox alignment)

## Quick Start

```bash
# Install dependencies
pip3 install -r scripts/requirements.txt

# Configure PaddleOCR API
export PADDLEOCR_DOC_PARSING_API_URL=https://your-api.paddleocr.com/layout-parsing
export PADDLEOCR_ACCESS_TOKEN=your_token

# Process a file
python3 scripts/doc_vision.py --file-path ./invoice.jpg --pretty --make-searchable-pdf
```

## Batch

```bash
python3 scripts/doc_vision.py --batch-dir ./inbox --output-dir ./out
```

## Output

See `docs/README.zh.md` for full JSON schema and integration guide.

## Supported Types

| Type | Actions |
|------|---------|
| Invoice | create_expense, archive, tax_report |
| Business Card | add_contact, save_vcard |
| Receipt | create_expense, split_bill |
| Table | export_csv, analyze_data |
| Contract | summarize, extract_dates, flag_obligations |
| ID Card | extract_id_info, verify_age |
| Passport | store_passport_info, check_validity |
| Bank Statement | categorize_transactions, generate_report |
| Driver License | store_license_info, check_expiry |
| Tax Form | summarize_tax, suggest_deductions |
| General | summarize, translate, search_keywords |

## Configuration

Required environment variables:
- `PADDLEOCR_DOC_PARSING_API_URL` — API endpoint ending in `/layout-parsing`
- `PADDLEOCR_ACCESS_TOKEN` — Access token

Optional:
- `PADDLEOCR_DOC_PARSING_TIMEOUT` — Default 600 seconds

## Searchable PDF

With `--make-searchable-pdf`, embeds OCR text layer aligned to original layout using bounding boxes. Requires `pdf2image` + `poppler` (system) and `reportlab`, `pypdf`, `pillow` (Python).

## Full Documentation

Detailed usage, troubleshooting, and development guide available in multiple languages under `docs/`:
- 中文: `docs/README.zh.md`
- English: `docs/README.en.md`
- Español: `docs/README.es.md`
- العربية: `docs/README.ar.md`

## License

MIT-0

---

**Made for OpenClaw.** Let your agent see and act.
本站存檔的其他檔案(按需抓取,可能不完整)
  • skill-card.md · 2.0 KB

「知識管理」分類下的熱門技能

Summarize知識管理

把長文字、文件與網頁內容壓縮成要點和關鍵詞的摘要工具。

↓ 65.5萬★ 1037paudyyin
ima-skills知識管理

ima skills,支援對筆記、知識庫的讀取、寫入和檢索等操作,可以幫你隨時記錄,收入ima智慧管理,隨時呼叫,龍蝦輸出精準懂你,友好的接入了OpenClaw生態,構建你的第二大腦。

↓ 42.4萬★ 542u_1742680f
web-tools-guide知識管理

MANDATORY before calling web_search, web_fetch, browser, or opencli. Contains required error-handling procedures (web_search failure → must guide user to configure API), fallback chain (opencli CLI covers 70+ sites as structured fallback before browser), and site-specific login URLs. Without reading this skill, you WILL handle failures incorrectly and miss available tools. Trigger on: 搜尋/上網/查資料/開啟網站/抓取網頁/新聞/熱點/web search/fetch/browser/opencli.

↓ 26.6萬★ 217user_ec205dbb
Baidu web search知識管理

使用百度AI搜尋引擎(BDSE)進行網路搜尋。適用於獲取即時資訊、文件資料或研究課題。

↓ 13.7萬★ 259ide-rea
Markdown Converter知識管理

用 uvx 直接呼叫 markitdown,把各類檔案轉成 Markdown。

↓ 10.5萬★ 254Peter Steinberger
Prismfy Web Search | Free Google知識管理

OpenClaw的預設網頁搜尋。使用Prismfy在10個搜尋引擎(Google、Reddit、GitHub、arXiv、Hacker News等)搜尋網路,含免費方案。

↓ 9.6萬★ 41Uroboros1205
Web Search知識管理

此技能用於搜尋網路資訊、查詢當前內容、查詢新聞文章、圖片或影片。它透過 DuckDuckGo 搜尋 API 以文字、Markdown 或 JSON 格式返回簡潔結果,適用於研究、事實核查、獲取最新資訊或收集網路資源。

↓ 8.4萬★ 52billyutw
Find Skills Skill知識管理

從多種來源搜尋和發現OpenClaw技能。使用場景:使用者想要查詢可用技能、搜尋特定功能或發現新技能。

↓ 8.2萬★ 166fangkelvin

資料月份:2026-09 · 下載/星標/安裝數聚合自公開技能註冊庫(ClawHub、SkillHub),按月更新。口徑說明見資料方法。