从机动车销售发票精准提取车架号(VIN码)、发动机号、厂牌型号、购车人信息、价税合计金额、完税凭证号等车辆专属字段。
Sugon-Scnet 机动车销售统一发票识别 OCR 技能是一项面向实际任务的技能,主要用于本技能封装了 Sugon-Scnet 机动车销售统一发票识别 OCR 服务,通过单一接口即可调用 1 种识别能力,高效提取文字及票据信息;机动车销售统一发票票据 :覆盖机动车销售统一发票自动提取关键字段;
它将相关步骤、工具调用和结果整理方式集中到统一流程中,帮助使用者更快完成目标并减少重复操作。从功能定位来看,该技能强调把分散的操作要求整理成清晰、可复用的处理流程,使用户能够围绕既定目标快速准备输入、选择执行方式并获得结构化结果。实际使用前应先确认任务范围、数据来源、运行环境、必要权限和关键参数,再依据技能说明逐步执行;若输入条件不完整,应先补齐信息或采用保守配置,避免因错误假设导致结果偏离需求。
执行过程中需要关注工具调用是否成功、接口或依赖是否可用、输出格式是否符合预期,并对异常提示、缺失字段和边界情况进行处理;涉及批量任务时,还应保存进度,避免中断后重复操作。该技能适合用于一次性任务,也可以接入自动化工作流,与其他技能或上层代理配合完成更完整的业务链路;在组合使用时,应明确每一步的输入输出关系,并避免不同步骤之间出现参数冲突。
本技能封装了 Sugon-Scnet 机动车销售统一发票识别 OCR 服务,通过单一接口即可调用 1 种识别能力,高效提取文字及票据信息。
⚠️ 重要:使用前需要申请 Scnet API Token
sc-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx)手动配置(推荐)
config/.env 文件,内容如下:# ===== Sugon-Scnet OCR API 配置 ===== # 申请地址:https://www.scnet.cn SCNET_API_KEY=your_scnet_api_key_here # API 基础地址(一般无需修改) SCNET_API_BASE=https://api.scnet.cn/api/llm/v1
SCNET_API_KEY=你的密钥Token 过期后调用会返回 401 或 403 错误。更新方法:重新申请 Token 并替换 config/.env 中的 SCNET_API_KEY。
本技能需要 Python 3.6+ 和 requests 库。请运行以下命令:
pip install requests
| 参数名 | 类型 | 必填 | 描述 |
|---|---|---|---|
| ocrType | string | 是 | 识别类型枚举。必须为以下之一: • VEHICLE_SALE_INVOICE(机动车销售统一发票) |
| filePath | string | 是 | 待识别图片的本地绝对路径。支持 jpg、png、pdf 等常见格式。 |
python .claude/skills/car_sales_invoice_ocr/scripts/main.py VEHICLE_SALE_INVOICE /path/to/invoice.jpg
用户可以说:
AI 会根据 description 中的关键词自动触发本技能。
为避免触发 API 速率限制(10 QPS),请串行调用本技能,即等待前一个识别完成后再发起下一个请求。 如果使用 OpenClaw 的 exec 工具,建议设置 timeout 或 yieldMs 参数,让命令同步执行,避免多个命令同时运行导致并发。
编辑 config/.env 文件:
| 变量名 | 默认值 | 说明 |
|---|---|---|
| SCNET_API_KEY | 必需 | Scnet API 密钥 |
| SCNET_API_BASE | https://api.scnet.cn/api/llm/v1 | API 基础地址(一般无需修改) |
data 字段内。错误: 开头的友好提示。| 问题 | 解决方案 |
|---|---|
| 配置文件不存在 | 创建 config/.env 并填入 Token(参考前置配置) |
| API Key 无效/过期 | 重新申请 Token 并更新 .env 文件 |
| 文件不存在 | 检查提供的文件路径是否正确 |
| 网络连接失败 | 检查网络连接或防火墙设置 |
| 不支持的文件类型 | 确保文件扩展名为允许的类型(参考 API 文档) |
| 401/403/Unauthorized | Token 无效或过期,重新申请并配置 |
| 429 Too Many Requests | 请求过于频繁,技能会自动等待并重试(最多 3 次)。若持续失败,请降低调用频率或联系服务方提高限额。 |
相关专题
热门下载
相关下载
精品课程
共6课时 | 54.7万人学习
共89课时 | 134.1万人学习
共49课时 | 82.5万人学习
最新文章