Allen Niu

Agent Paddleocr Vision

知识管理v1.1.1
作者:Allen Niu更新于 2026-07-16共 4 个版本 · 最新版本发布于 2026-07-16agent-paddleocr-vision@clawhub_nhzallen/agent-paddleocr-vision
文档问答#Document

据 AlphaMoat 统计,截至 2026-09,Agent Paddleocr Vision 累计下载 1,298 次、获 0 个星标,在全部 5,078 个 AI 技能中排名第 4,893 位,在「知识管理」分类(442 个)中排名第 426 位。

累计安装
120
累计下载
1,298
星标
-
全站排名
#4,893
全站前 97% · 「知识管理」前 97%
平台累计安装累计下载星标评论
ClawHub ↗251,298--
SkillHub ↗1201,105-—

各平台的计数口径不同,站内汇总取各平台中的较大值,不相加。

这个技能是做什么的

抽取文字并分类文档,生成结构化行动建议,支持批量处理和可检索 PDF。PDF 生成功能另需文档处理依赖;运行示例使用 python3。

资料发布于 2026-10-26

可以用来做什么

  • 把扫描文档整理为结构化内容

什么时候用

  • 已配置云端 OCR 服务并需解析文件时

示例提示词

以下是根据技能文档生成的示例,不代表实际运行结果。

识别这份文档并说明可输出的结构化字段

使用条件

依据技能文档中的声明整理,未经实际安装或运行验证。

鉴权方式
访问令牌(Token)
鉴权说明
需要配置 PaddleOCR 接口地址和 access token。
需要的环境变量
PADDLEOCR_DOC_PARSING_API_URLPADDLEOCR_ACCESS_TOKEN
可选的环境变量
PADDLEOCR_DOC_PARSING_TIMEOUT
配置要求
  • 生成可检索 PDF 还需 Poppler 及相关 Python 文档处理库。
许可证(来源声明)
MIT-0

月度数据趋势

累计安装120
98110122新口径旧口径2026-03 · 累计安装 100 (旧口径)2026-05 · 累计安装 120 (旧口径)2026-06 · 累计安装 120 (旧口径)2026-07 · 累计安装 120 (旧口径)2026-08 · 累计安装 120 (旧口径)2026-09 · 累计安装 12026-0326-09
累计下载1,298
1877841,380新口径旧口径2026-03 · 累计下载 269 (旧口径)2026-05 · 累计下载 542 (旧口径)2026-06 · 累计下载 646 (旧口径)2026-07 · 累计下载 950 (旧口径)2026-08 · 累计下载 1,143 (旧口径)2026-09 · 累计下载 1,29826-0326-09
星标-
-11新口径旧口径2026-03 · 星标 - (旧口径)2026-05 · 星标 - (旧口径)2026-06 · 星标 - (旧口径)2026-07 · 星标 - (旧口径)2026-08 · 星标 - (旧口径)2026-09 · 星标 -26-0326-09

2026-09 起为新口径(全目录统计);此前为旧口径(只统计安装量为正的技能、同名技能合并计数)。两段不可直接比较,图中不跨口径连线,也不计算跨口径的增长。

月份累计下载环比星标累计安装
2026-091,298—-120
2026-08旧口径1,143+20.3%-120
2026-07旧口径950+47.1%-120
2026-06旧口径646+19.2%-120
2026-05旧口径542—-120
2026-03旧口径269—-100

SKILL.md 原文

以下是作者发布的原始文件,按纯文本显示,本站未做修改或审核;其中的链接不可点击,命令请核实后再运行。抓取于 2026-10-23。

展开原文(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.
本站存档的其他文件(按需抓取,可能不完整)
  • skill-card.md · 2.0 KB

「知识管理」分类下的热门技能

Summarize知识管理

把长文本、文档与网页内容压缩成要点和关键词的摘要工具。

↓ 65.5万★ 1,037paudyyin
ima-skills知识管理

ima skills,支持对笔记、知识库的读取、写入和检索等操作,可以帮你随时记录,收入ima智能管理,随时调用,龙虾输出精准懂你,友好的接入了OpenClaw生态,构建你的第二大脑。

↓ 42.4万★ 542u_1742680f
web-tools-guide知识管理

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: 搜索/上网/查资料/打开网站/抓取网页/新闻/热点/web search/fetch/browser/opencli.

↓ 26.6万★ 217user_ec205dbb
Baidu web search知识管理

使用百度AI搜索引擎(BDSE)进行网络搜索。适用于获取实时信息、文档资料或研究课题。

↓ 13.7万★ 259ide-rea
Markdown Converter知识管理

用 uvx 直接调用 markitdown,把各类文件转成 Markdown。

↓ 10.5万★ 254Peter Steinberger
Prismfy Web Search | Free Google知识管理

OpenClaw的默认网页搜索。使用Prismfy在10个搜索引擎(Google、Reddit、GitHub、arXiv、Hacker News等)搜索网络,含免费套餐。

↓ 9.6万★ 41Uroboros1205
Web Search知识管理

此技能用于搜索网络信息、查找当前内容、查询新闻文章、图片或视频。它通过 DuckDuckGo 搜索 API 以文本、Markdown 或 JSON 格式返回简洁结果,适用于研究、事实核查、获取最新信息或收集网络资源。

↓ 8.4万★ 52billyutw
Find Skills Skill知识管理

从多种来源搜索和发现OpenClaw技能。使用场景:用户想要查找可用技能、搜索特定功能或发现新技能。

↓ 8.2万★ 166fangkelvin

数据月份:2026-09 · 下载/星标/安装数聚合自公开技能注册库(ClawHub、SkillHub),按月更新。口径说明见数据方法。