据 AlphaMoat 统计,截至 2026-10,夸克扫描王 OCR文字识别 - yescan ocr universal 累计下载 12,185 次、获 4 个星标,按累计下载量在本次参与排名的 10,914 个 AI 技能中排名第 2,262 位,在「办公效率」分类(909 个)中排名第 260 位。
列表默认按累计下载量排序,也可按星标排序;详情页排名按累计下载量计算。
| 平台 | 累计下载 | 星标 | 评论 |
|---|---|---|---|
| ClawHub ↗ | 4,112 | 4 | - |
| SkillHub ↗ | 1.2万 | 3 | — |
各平台的计数口径不同,统计时间不一致。
夸克扫描王提供高准确率OCR文字识别,支持印刷、手写、表格、多语言、公式等多种场景。可从图片、截图、扫描件中提取文字,覆盖手写文档、表格、数学公式、商品图等复杂情况。精准识别身份证、社保卡、驾驶证、行驶证、港澳通行证、学位证等证件,以及增值税发票、火车票、英文发票等票据,并支持医疗报告、营业执照、习题等专业文档。
2026-09 起统计方法调整:同名技能按作者分别统计,并覆盖全部技能。图中虚线为调整前的月份,与之后的数据不直接比较,也不计算跨越调整的增长。
| 月份 | 累计下载 | 环比 | 星标 |
|---|---|---|---|
| 2026-10 | 1.2万 | — | 4 |
| 2026-09 | 5,227 | — | 4 |
| 2026-08 | 3,851 | +19.4% | 4 |
| 2026-07 | 3,225 | +44.4% | 3 |
| 2026-06 | 2,233 | +19.9% | 3 |
| 2026-05 | 1,862 | — | 3 |
| 2026-03 | 536 | — | 3 |
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。
---
name: alibaba-quark-ocr
description: 由夸克扫描王提供的高准取率 OCR 文字识别工具,支持印刷、手写、表格、多语言、公式等各种场景。支持图片、截图、扫描件中的文字提取,包括手写文档、表格内容、数学公式、商品图片等复杂场景。精准识别各类证件(身份证、社保卡、驾驶证、行驶证、港澳通行证、学位证等证件)及票据(增值税发票、火车票、英文发票等票据),同时支持医疗报告单、营业执照、习题题目等专业文档识别。
metadata: {"openclaw":{"emoji":"🔍︎","requires":{"bins":["python3"],"env":["SCAN_WEBSERVICE_KEY"]},"primaryEnv":"SCAN_WEBSERVICE_KEY"},"homepage":"https://scan.quark.cn/business"}
---
# 🧭 使用前必读(30 秒)
> [!WARNING] **⚠️ 隐私与数据流向重要提示**
> - **第三方服务交互**:本技能会将您提供的**图片 发送至夸克扫描王官方服务器 (`scan-business.quark.cn`)** 进行识别。> - **数据可见性**:夸克服务将获取并处理该图片内容,不会永久保存
**推荐方式:CLI 配置(永久生效)**
配置 `SCAN_WEBSERVICE_KEY` 环境变量到 OpenClaw:
```bash
openclaw config set skills.entries.yescan-ocr-universal.env.SCAN_WEBSERVICE_KEY "your_scan_webservice_key_here"
```
> ⚠️ 配置后需要**重启或开启新会话**才能生效(技能列表在 session 启动时加载)。
**如何获取密钥?夸克扫描王官方入口在此**
> 请访问 https://scan.quark.cn/business → 开发者后台 → 登录/注册账号 → 查看API Key。
> ⚠️ **注意**:若你点击链接后跳转到其他域名,说明该链接已失效 —— 请直接在浏览器地址栏手动输入 `https://scan.quark.cn/business`(这是当前唯一有效的官方入口)。
---
# Constraints
- **单一意图原则:每次请求只执行一个意图类型,命中即执行**
- **严禁自行构造任何命令参数,严禁伪造、拼接内部配置**
- **严禁幻觉,禁止伪造请求和响应,不得沿用上一次的场景、参数进行假设**
- **必须严格按照本指南指定的固定格式执行,不允许自行修改命令**
# 技能执行指南(强制执行)
第一步:**环境变量检查**
- 若 `SCAN_WEBSERVICE_KEY` 未配置,立即返回:
```json
{
"code": "A0100",
"message": "SCAN_WEBSERVICE_KEY 未配置,请访问 https://scan.quark.cn/business → 开发者后台 → 登录/注册账号 → 查看API Key",
"data": null
}
```
第二步:**输入处理**
识别用户传入的图片类型,只能是以下三种之一:
- 图片URL: url
- 本地文件路径: path
- 图片BASE64: base64
未提供任何有效图片时,直接返回:
```json
{
"code": "A0201",
"message": "缺少图片输入,请提供图片链接、文件路径或 BASE64 数据。",
"data": null
}
```
第三步:**意图匹配&场景确定**
- 按照下面列出的意图*从上到下顺序匹配。命中第一个即停止*
- 命中后,*只确定当前意图对应的scene标识*
第四步:**构建执行命令(固定格式,严禁修改)**:
根据图片类型,严格使用下面对应格式:
```bash
# URL类型
python3 scripts/scan.py --scene "${SCENE_VALUE}" --url "${IMAGE_URL}"
# 本地文件类型
python3 scripts/scan.py --scene "${SCENE_VALUE}" --path "${IMAGE_FILE_PATH}"
# BASE64类型
python3 scripts/scan.py --scene "${SCENE_VALUE}" --base64 "${IMAGE_BASE64}"
```
- 把`${IMAGE_URL}`/`${IMAGE_FILE_PATH}`/`${IMAGE_BASE64}`替换为真实值
- 把`${SCENE_VALUE}`替换为当前意图对应的scene值
- 直接执行命令,不增删任何参数,不修改JSON,不加引号,不换行
第五步:**结果透出**:
- 执行完成后,*原样返回执行结果*,不修改,不翻译,不美化,不总结
- 成功 失败均直接透出,不重试
## 场景与意图列表(按匹配优先级排序)
1. 手写文档识别
- 触发意图:当用户存在识别各类中英文手写内容(如学生作答、作文、会议记录、手写账单等)、将潦草或非标准手写图片转化为高精度可编辑文本,或突破传统 OCR 限制处理复杂手写场景的意图。
- 场景scene标识:handwritten-ocr
- 参考示例指令:
- "帮我把这张手写笔记转成文字"
- "识别这张作文图片里的内容"
2. 表格识别
- 触发意图:当用户存在识别图片中的各类表格(如 Excel/Word 表格、票据单据、手写表格、检查报告单等)、高精度提取文字内容并精准还原原始表格格式与结构的意图。
- 场景scene标识:table-ocr
- 参考示例指令:
- "提取这张表格里的数据"
- "把这张报销单的表格转成 Excel 格式"
3. 身份证识别
- 触发意图:当用户存在识别身份证图片、提取证件关键信息(包括但不限于姓名、身份证号、地址等字段)、将证件影像转化为结构化数据,或应用于身份核验、实名认证及信息准确性校验等场景的意图。
- 场景scene标识:idcard-ocr
- 参考示例指令:
- "帮我读一下这张身份证"
- "提取身份证上的姓名和号码"
4. 社保卡识别
- 触发意图:当用户存在识别社保卡图片、提取证件关键信息(包括但不限于姓名、社会保障号码、卡号、银联号码、性别、民族、发卡日期及有效期限等字段)、将证件影像转化为结构化数据,或应用于社保业务办理、身份核验及政务服务自动化等场景的意图。
- 场景scene标识:social-security-card-ocr
- 参考示例指令:
- "识别这张社保卡的信息"
- "提取社保卡上的姓名和社保号"
5. 港澳通行证识别
- 触发意图:当用户存在识别港澳通行证(或港澳台通行证)图片、提取证件关键信息(包括但不限于姓名、证件号码、签发机关、有效期限等 11 个字段)、将证件影像转化为结构化数据,或应用于身份核验、出入境管理及政务服务自动化等场景的意图。
- 场景scene标识:travel-permit-ocr
- 参考示例指令:
- "读一下这张港澳通行证"
- "提取通行证上的姓名和证件号"
6. 学位证识别
- 触发意图:当用户存在识别学位证书图片、提取证书关键信息(包括但不限于证书名称、学校、姓名、性别、出生日期、学习日期、学制、学历、学位、专业、证书编号及发证日期等 12 个字段)、将证书影像转化为结构化数据,或应用于企业人才信息录入和学历核验等场景的意图。
- 场景scene标识:degree-certificate-ocr
- 参考示例指令:
- "识别这张学位证的内容"
- "提取学位证上的学校和专业"
7. 增值税发票识别
- 触发意图:当用户存在识别增值税发票图片、提取单据关键信息(包括但不限于销售方、购买方、货物详情、金额等 30 多个字段)、将发票影像转化为结构化数据,或应用于财务报销自动化、税务管理及企业风控等场景的意图。
- 场景scene标识:vat-invoice-ocr
- 参考示例指令:
- "提取这张增值税发票的信息"
- "识别发票上的金额和开票日期"
8. 火车票识别
- 触发意图:当用户存在识别火车票图片、提取票号/出发站/到达站/车次/开车时间/票价/座位号/座位类型/旅客身份号码/旅客姓名等 10 个关键字段信息、将车票照片转化为结构化文本数据,或应用于企业出行报销场景的意图。
- 场景scene标识:train-ticket-ocr
- 参考示例指令:
- "读一下这张火车票"
- "提取火车票的出发站和车次"
9. 公式识别
- 触发意图:当用户存在识别数学/化学公式图片、高精度解析分数、矩阵、分段函数及化学方程式等复杂结构、将图像公式转化为可编辑的 LaTeX 代码或结构化数据,或应用于智能试卷自动批改、学术论文数字化归档、在线教育题目解析及科研文献深度分析等场景的意图。
- 场景scene标识:formula-ocr
- 参考示例指令:
- "把这张公式图片转成 LaTeX"
- "识别这个数学公式的结构"
10. 题目识别
- 触发意图:当用户上传包含习题/考题的图片,需**仅提取题目文本**(不含解答、批注或无关内容),并保留题号、题干结构,用于教育题库构建或题目检索。
- 场景scene标识:question-ocr
- 参考示例指令:
- "提取这道题的关键信息"
- "识别题目中的问题部分"
11. 驾驶证识别
- 触发意图:当用户存在识别驾驶证图片、提取证件关键信息(如证号、姓名、住址、有效期等)、将非结构化图像转化为结构化数据,或应用于身份核验、交通管理等场景的意图。
- 场景scene标识:driver-license-ocr
- 参考示例指令:
- "读一下这张驾驶证"
- "提取驾驶证上的姓名和有效期"
12. 行驶证识别
- 触发意图:当用户存在识别行驶证图片、提取证件关键信息(包括但不限于证号、姓名、住址、有效期、准驾车型等)、将行驶证影像转化为结构化数据,或应用于身份核验、交通管理及汽车租赁等场景的意图。
- 场景scene标识:vehicle-license-ocr
- 参考示例指令:
- "识别这张行驶证"
- "提取行驶证上的车牌号和所有人"
13. 英文发票识别
- 触发意图:当用户存在识别英文商业发票图片、提取单据关键信息(包括但不限于发票号、日期、买卖双方信息、商品明细、金额及税额等)、将非结构化英文单据转化为结构化数据,或应用于跨境贸易单证处理、海外费用报销及国际化财务自动化审核等场景的意图。
- 场景scene标识:commercial-invoice-ocr
- 参考示例指令:
- "提取这张英文发票的信息"
- "识别发票上的总金额和日期"
14. 医疗报告单识别
- 触发意图:当用户存在识别医疗报告单图片、提取报告关键信息(包括但不限于检验项目、结果、参考值等)、将医疗报告影像转化为结构化数据,或应用于电子病历归档、健康数据分析及远程医疗辅助诊断等场景的意图。
- 场景scene标识:medical-report-ocr
- 参考示例指令:
- "读一下这张化验单"
- "提取报告中的异常指标"
15. 营业执照识别
- 触发意图:当用户存在识别营业执照图片、提取证件关键信息(包括但不限于统一社会信用代码、名称、类型、法定代表人、经营范围等)、将执照影像转化为结构化数据,或应用于企业身份核验、工商注册自动化、供应链准入审核及金融风控等场景的意图。
- 场景scene标识:business-license-ocr
- 参考示例指令:
- "识别这张营业执照"
- "提取公司名称和法人代表"
16. 商品图片识别
- 触发意图:当用户需要识别图片中的具体商品对象,包括商品名称、品牌、品类等信息,用于商品检索或分类。
- 场景scene标识:product-image-ocr
- 参考示例指令:
- "这是什么商品?"
- "识别这张图片里的产品品牌"
17. 通用文字提取(兜底意图)
- 触发意图:当用户指令中不包含上述任何具体场景,仅表达提取纯文字意图时。
- 场景scene标识:general-ocr
- 参考示例指令:
- "把这张图转成文字"
- "提取图中所有文字"
## ⛔ 不适用场景(When Not to Use)
> 本技能**不支持**以下场景,请勿尝试:
| 不支持的场景 | 原因 | 建议替代方案 |
|------------|------|------------|
| **视频处理** | 仅支持单张静态图片 | 先提取视频帧,再逐帧处理 |
| **批量处理** | 每次调用仅限单张图片 | 如需批量,请循环调用或联系管理员 |
| **实时摄像头流** | 非实时流处理架构 | 使用专用视频处理服务 |
| **超大图片(>5MB)** | API 限制 | 先压缩或裁剪后再处理 |
| **非图片格式** | 仅支持 jpg/jpeg/png/gif/bmp/webp/tiff/wbmp | 先转换为支持的图片格式 |
---
## ⚠️ 重要注意事项
1. **禁止修改固定格式**,只能替换场景标识和图片占位符
2. **严禁自行构造 --scene 参数值,必须使用本文档指定的场景名**
3. **图片大小限制:本地文件不超过5MB,支持 jpg/jpeg/png/gif/bmp/webp/tiff/wbmp/webp 格式**
---
## 🔗 相关资源
- [夸克扫描王开放平台](https://scan.quark.cn/business)
## 📁 文件结构
- `SKILL.md` — 本文档(意图分析 + 通用规范)
- `scripts/scan.py` — 主执行脚本 (Python 3.9+)
- `scripts/common/*.py` — 基础类库
通过 MCP 在腾讯文档里新建、编辑与管理在线文档的完整操作手册。
WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/纯Python)智能识别用户已安装软件,纯Python模式支持排序/筛选/图表/公式/统计,含文档模板(代码生成)、最佳实践案例、故障排除大章(20+避坑+15 FAQ+15错误ID 统一索引)、自动重试、硬件自适应、环境自检、Skill更新提醒;v5.1新增:kingdoc云端桥接(白名单探测+配置预检+subprocess上传+差异检查)、条件格式/数据验证跨引擎IO(JSON中间格式保真往返)、会议纪要三段式要素化(待办清单+决策记录+风险异议)+说话人标注(MFCC聚类);v5.2新增:公文一键排版(GB/T 9704 规则库约束+结构识别套版+红头预留位+联合行文)、批量水印与敏感信息打码(身份证/手机号/银行卡/邮箱双轨识别+黑色矩形覆盖+打码清单)、跨文档知识检索与问答(本地TF-IDF零依赖+跳转+可选zwjh记忆桥接);删除:与contract-review重复的轻量合同审查模块,改为文档互链引导;v5.2.5修复:MS Office引擎下Excel/PPT创建必然失败(错用Word COM对象),新增get_ms_excel/get_ms_ppt及三槽位统一释放release_ms,MS Office路径透传filepath参数;v5.3.5修复:SKILL.md frontmatter 修复 tags 块序列误混入联系方式行导致标准 YAML 解析失败;v5.4.0新增:留存型功能——定时任务与报告中心(schedule_register 升级为三平台统一调度层 schtasks/cron/launchd,错过策略 skip/run_once,注册表 JSON 可导出导入;新建 report_center.py 报告中心,templates/reports/*.json 参数化模板 + ECharts 单文件 HTML 输出(图表内联、无服务端、双击即开);report_generator 升级支持 --format html;wps.py CLI 统一埋点 SQLite,自动供 report_center 生成周度使用摘要附在报告末尾;watch.py 职责收窄为纯事件采集);v5.3.0新增:统一CLI入口 wps(registry.json注册表分发,office --app/--action 与 convert 子命令、--list 一屏列出全部命令,薄路由层不改脚本内部逻辑)、全命令 --json 机器可读输出(固定 ok/error_id/elapsed/data 四字段,对齐 E001-E015,wps_error.py 新增 emit_json 统一出口)、_worker 启动优化(wps_pure 改惰性加载,pywin32/python-docx/openpyxl 经核查已惰性导入,ENGINE_CACHE 进程级单例复用,COM 释放统一走 release_ms 三槽位)、转换三入口合并为 convert(format_converter/md_converter/wps_docx_to_ppt 内部按目标格式路由,旧脚本保留为兼容别名并提示新命令,v6.0.0 移除)
按主题与风格自动生成 PPT 文件的技能。
体制内资深办公室主任+管理学博士,自学编程开发的智能公文写作Skill,让所有办公室同仁少掉头发、少加无用的班,材料一稿过关,省下的时间留给自己、享受生活!————————我们能给你带来的核心价值:1、颠覆传统写作:逻辑建模38类公文全链条,特有模板化引导问答模式,分分钟省心生成高质量大稿。--------2、替你“向上管理”:独有审稿人画像机制,文稿一键结构性修改,精准匹配审稿人画像,过稿率提升至少10倍!----------3、杜绝AI编造:缺失的数字、文号、人名、日期一律用[待补]标注,绝不杜撰,守住公文底线。-----------4、算法格式托底:数十万全量智控知识库+6500行前沿核心控制代码,格式精准对齐GB/T 9704,出稿零失误。——————————————————本skill历史版本开放了5%知识库的免费试用版,下载即可使用,但需注意:知识库有著作权,仅用于个人使用,不可用于其他任何目的。有兴趣的可以试试。——————————————————————单次付费版skill已发布,2元一次使用全量知识库。具体在发布者“熵衍信息”主页skill里。
WPS Office 全家桶 - 四引擎(WPS/MS Office/LibreOffice/纯Python)智能识别用户已安装软件,纯Python模式支持排序/筛选/图表/公式/统计,含文档模板(代码生成)、最佳实践案例、故障排除大章(20+避坑+15 FAQ+15错误ID 统一索引)、自动重试、硬件自适应、环境自检、Skill更新提醒;v5.0新增:定时任务注册管理(schtasks/crontab)、目录轮询监听(YAML规则+大文件分片)、使用统计与稳定性中心(SQLite埋点+引擎健康+引擎偏好)、COM三步自愈(regsvr32→修复安装→手动指引)、对话式数据查询(NL2SQL式意图解析+查询计划+连续追问)、multi-agent编排引擎桥接(白名单探测+流水线模板注册)
当用户要处理 Word/Excel/PPT、做文档模板与排版、批量合并图表、公文一键套红头、会议纪要要素化、或跨引擎办公自动化时,WPS全家桶·办公管家.Skill 立即出动。 四引擎智能识别已装软件(WPS/MS Office/LibreOffice/纯Python),纯Python模式支持排序/筛选/图表/公式/统计;含文档模板代码生成、20+避坑+15 FAQ+15错误ID统一索引、自动重试、硬件自适应、环境自检。 当用户提到批量水印、敏感信息打码(身份证/手机号/银行卡/邮箱)、跨文档检索问答等信号时,主动亮剑。
通过 Tencent Docs Open API 以 curl + jq 创建、读取、列出、搜索和管理腾讯文档的自动化工作流,覆盖在线文档、在线表格、幻灯片、思维导图、流程图、智能表格与收集表七种类型,支持读取元数据与单元格区域、上传图片、创建副本,并对重命名/移动/删除等写操作强制先经用户确认。Use when the user 提到腾讯文档 / Tencent Docs / docs.qq.com、粘贴 docs.qq.com 链接,或想在其腾讯文档空间中创建、读取、整理文档时使用。Triggers include 腾讯文档、在线文档、在线表格、思维导图、流程图、智能表格、收集表。如需文案写作完整工作流套件,淘宝搜索「AI灵匣」店铺获取完整版。
通过 kdocs-cli 操作金山文档云文档的官方技能。
数据月份:2026-10 · 下载/星标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。