文档 OCR 技能（docr）

使用 Gemini 2.5 Flash、PaddleOCR 或 RapidOCR（本地）识别扫描版 PDF 和图像中的文字。编译为单一 Go 二进制文件。

前提条件

• 在 ~/.ocr/config 中配置 API Key（PaddleOCR / RapidOCR 不需要）
• 若使用 RapidOCR 引擎：执行 pip install rapidocr_onnxruntime
• 若使用 PaddleOCR 引擎：执行 pip install paddleocr paddlepaddle

API Key 配置

创建配置文件：

mkdir -p ~/.ocr
cat > ~/.ocr/config << EOF
# Google Gemini API Key
gemini_api_key=your_gemini_key
EOF

快速开始

路径变量说明：以下所有命令均使用 $DOCR 变量。运行任意命令前，请先设置该变量：

SKILL_DIR="$(cd "$(dirname "")" && pwd)"
DOCR="$SKILL_DIR/scripts/docr/docr"

# 使用 RapidOCR（默认）处理单个文档
$DOCR document.pdf
$DOCR image.jpg

# 使用 Gemini 引擎
$DOCR -engine gemini document.pdf

# 使用 PaddleOCR 本地引擎
$DOCR -engine paddle document.pdf

# 指定输出文件
$DOCR document.pdf -o result.txt

# 批量处理目录中所有支持格式的文件
$DOCR -batch ./docs/ -o ./outputs/

OCR 引擎

CLI 参考手册

docr [选项] <文件或目录>

选项：
  -engine string   OCR 引擎：rapid（默认）/ gemini / paddle
  -e string        引擎（短选项）
  -o string        输出文件路径或输出目录（批处理模式）
  -output string   输出路径（长选项）
  -batch           批处理模式：处理目录下所有文件
  -prompt string   自定义识别提示词（仅 Gemini 引擎支持）

安装

我们提供预编译的二进制文件，助您快速上手。

cd doc-ocr-skills/scripts
./install.sh

该脚本将自动检测您的操作系统（darwin/linux）与架构（amd64/arm64），并下载对应版本的 docr。

从源码构建（可选）

如需自行构建，请确保已安装 Go 1.21+：

cd doc-ocr-skills/scripts/docr
go build -o docr .

错误处理