让OpenCode/OpenClaw的AI/Agent准确识别图表文字:PaddleOCR-VL-1.5 封装为全局 OCR skills

封装skills

https://hf-mirror.com/PaddlePaddle/PaddleOCR-VL-1.5下载模型权重及代码文件(建议自己手动下载,ai更容易因为exec超时退出)

创建项目文件夹比如/Users/Zhuanz/Desktop/work/PaddleOCR,可选择先配置python环境(这里前期已通过uv配置),再创建model/PaddleOCR-VL-1.5

在终端打开opencode,告知执行模型等文件的位置,让ai了解思考怎么封装为ocr的skills

要求中文回答,看来ai把我的代码也顺便读进来

退出计划模式,让ai实现

ai还列举了常见问题

skills最终结构

复制代码
paddle-ocr-skill/
├── SKILL.md              # 详细技术文档
├── README.md            # 快速开始指南
├── USAGE_GUIDE.md       # 完整使用指南(中文)
├── skill.py             # 主技能接口(PaddleOCRSkill类)
├── ocr_engine.py        # OCR核心引擎
├── postprocessors.py    # 后处理工具(文本归一化、卡片提取)
├── config.py            # 配置管理
├── requirements.txt     # 依赖列表
├── activate_env.sh      # 环境激活脚本
├── verify.py           # 环境验证脚本
├── quick_test.py       # 快速测试脚本
├── examples/           # 使用示例
│   ├── basic_usage.py
│   ├── batch_processing.py
│   ├── card_extraction.py
│   └── advanced_features.py
└── test/              # 测试文件
    ├── test_basic.py
    └── test_card_extract.py

/exit退出opencode,激活python环境,验证效果

可以看出paddleOCR识别能力还是相当不错的

OpenCode/Openclaw调用skills

发现没有映射到全局调用skills的文件夹/Users/Zhuanz/.agents/skills(以你的实际路径为准)

要求ai将其映射为全局skills

OpenCode调用skills

创建新的opencode会话,输入/skills,下拉可以发现确实有这个skills了

测试opecode使用paddle-ocr的skills

OpenCode的ai调用skills识别成功

Openclaw调用skills

执行pnpm openclaw onboard(不是pnpm安装可去掉pnpm)启动openclaw

先问ai能不能看到skills,特别是paddle-ocr

测试ai调用paddle-ocr识别文字(注意图片不要带中文,否则可能读不到这个图片)

看起来大部分正确,但ai对ocr结果做了改写,不过已经基本满足日常需求了

注:原文来自作者的gzh--AI全链汇

创作不易,禁止抄袭,转载请附上原文链接及标题

相关推荐
小虎AI生活6 小时前
AI 培训现场翻车后的应急方案设计:从工具选型到教学流程的系统化思考
ai编程
jikemaoshiyanshi6 小时前
AWS 中国峰会 2026 有哪些 AI Agent 相关演讲可以看?按业务、研发与生产阶段选看
大数据·人工智能
网易易盾6 小时前
AI互动产品安全合规体系架构:制度/技术/运营/证据四层落地
人工智能·安全·aigc·内容安全
新知图书6 小时前
4.3 链接速读
人工智能·语音识别·ai助手·千问
江苏久众新视6 小时前
SOP-AI实战:基于AI视觉与视频检测,精准管控空调管件装配防漏防错
人工智能
u0103055278 小时前
Java AWT鼠标事件全解析
人工智能·1024程序员节
tuanxiang8 小时前
中英文AI检测的跨语系误判问题排查与修复
人工智能
冬奇Lab8 小时前
开源项目第178期:OptMem — 426 个 token 的提示词,给 AI Agent 跨会话的持久记忆
人工智能·开源·资讯
冬奇Lab8 小时前
代码库知识库系列(09):用 codebase-memory-mcp 实战——在 LightRAG 上跑三路召回
人工智能