workbuddy 的图像识别依赖 ocr + 本地文件操作 + 语义理解联动，支持批量截图自动归类、手写草稿转结构化 word、扫描 pdf 提取指定页并保留排版，但需确保输入图像清晰、分辨率达标且无严重畸变。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
WorkBuddy 的图像识别能力不是“上传图→返回文字”这么简单，它真正起效的场景，都依赖于「OCR + 本地文件操作 + 语义理解」三者联动。单独用 OCR 识别，不如在线工具快；但一旦让它识别完立刻重命名、归类、写摘要、生成 PPT，效率就拉开差距了。
批量截图自动归类到报销/会议/客户等文件夹
手机截了一堆图，有发票、白板笔记、客户聊天截图，手动整理耗时且易错。WorkBuddy 能在导入时就按规则分类：
- 开启【截图文字识别】和【内容主题分析】开关（设置 → 智能识别）
- 截图文件名带关键词如
【报销凭证】20240521-滴滴发票.jpg，系统直接归入“报销凭证”文件夹 - 若没命名，它会基于识别出的文字（如“报销单号”“审批通过”“钉钉”）匹配预设标签，再人工标注几份样本就能提升后续准确率
- 注意：截图必须是 JPG/PNG，且分辨率不低于 640×480，否则云端 OCR（小程序）或本地引擎（桌面端）都可能漏字
从手写草稿图生成结构化 Word 报告
识别手写体不是默认强项，但 WorkBuddy 会根据指令自动切换模型——比如你输入识别图片D:\笔记\手写草稿.jpg中的全部文字，并保存为Word文档，它会：
WorkBuddy Visio — Visio 兼容架构图生成器
下载
使用 draw.io（.drawio 格式）和 SVG 生成兼容 Microsoft Visio 的架构图。当用户需要以下任一场景时触发： - 用于 Visio 或技术文档的架构/系统/网络图 - 带连接标注的分层控制系统图 - 将 draw.io XML 转换为稳定、可嵌入的 SVG - 修复 Visio 或 draw.io 无法打开的故障排查类图表 - 任何需专业级布局且文本可编辑的图表
- 先校验路径是否存在，再调用高对比度预处理（增强笔迹边缘）
- 优先启用针对手写体优化的子模型，而非通用印刷体模型
- 识别后不直接粘贴乱序文本，而是调用内置
docx技能，按标题层级、段落缩进、字体字号生成可交付文档 - 容易踩的坑：手写倾斜超过 15°、纸张反光、连笔过重时，需提前用手机修图 App 简单裁直+提亮，再导入
扫描版 PDF 图片转可编辑文字并提取指定页内容
很多合同、报告是扫描 PDF，本质是单页图片合集。WorkBuddy 的 pdf 技能能直接处理这类文件，无需导出为 JPG 再识别：
- 执行指令如
提取D:\合同\扫描版.pdf第3–5页的文字，生成Word并保存至D:\输出\ - 它会自动解包 PDF 中的图像页，逐页调用 OCR，再合并文本
- 比通用 OCR 工具多出的关键能力：识别后保留原始段落结构（换行、缩进），并能跳过页眉页脚区域（需在设置中开启“智能区域过滤”）
- 性能提示：50 页扫描 PDF 在 M2 Mac 上约需 90 秒，若识别结果大量乱码，大概率是 PDF 内嵌了低质量 JPEG 压缩图，建议先用 Adobe Acrobat “减少文件大小”预处理一次
最常被忽略的一点：WorkBuddy 的图像识别效果高度依赖输入质量，而不是模型本身。它不会帮你拍清楚一张模糊照片，也不会修复严重倾斜的文档图——这些前置动作仍需人来判断和干预。真正的提效，发生在“图已清晰可用”之后的那一步自动化流转。
