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
TaoMetrix20 小时前
TaoMetrix:AI 硬件创业公司如何做好原型制造
人工智能·制造
全栈弄潮儿20 小时前
用 AI 辅助代码审查:提交前检查什么
aigc·openai·ai编程
智圣新创0120 小时前
面向多级组织协同场景 高校第二课堂一站式管理中枢落地全场景实操答疑
大数据·人工智能
cd_9492172120 小时前
AI纹理和Substance Painter手绘纹理哪个更适合游戏资产制作?
人工智能·游戏·substance painter
sali-tec20 小时前
C# 基于OpenCv的视觉工作流-章106-差值追踪
图像处理·人工智能·opencv·算法·计算机视觉
Shockang20 小时前
用 AI 打造高品质 Web 应用
人工智能
l12586520 小时前
# LangGraph Memory机制深度解析:短期记忆与长期记忆的工程实践
前端·人工智能·python·langchain·bootstrap
手写码匠20 小时前
Dify 多 Agent 工具权限与安全沙箱实战:让智能体“有能力,但不越权“
人工智能·深度学习·算法·aigc
ZGIAI20 小时前
ZGI Skill Loop:给工具调用设边界
人工智能·架构
黎阳之光20 小时前
打破堆场感知黑盒:黎阳之光视频孪生,构建港口码头网格化透明管控新体系
大数据·人工智能·算法·安全·数字孪生