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

到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
郑世录18 分钟前
codex 接本地模型,单次输出卡在 3208 token:一份照着做就能改的完整教程
ai编程
Forget the Dream23 分钟前
Spring AI 2.0 系列(二):第一个 ChatClient——从注入到一次完整调用
java·人工智能·spring boot·ai·springai
郝学胜-神的一滴1 小时前
Effective Python 条款35:用类封装替代生成器异常注入
开发语言·人工智能·python·金融·pandas·scikit-learn·matplotlib
火山引擎开发者社区1 小时前
豆包工作,3 个月,800 万,20 亿
人工智能
JavaGuide1 小时前
Gemini 真的变强了,写代码做视频的能力接近 Claude Opus5.5 了!
前端·ai编程
Chuck.li1 小时前
AI 长篇创作工具选型:工作流对照与自测清单
人工智能·大模型·ai写作·网文作者·ai网文·豆包写作
aleimu1 小时前
Windows 11 右键打开 Cmder 2.0:从找不到菜单到默认使用 Cmder
前端·人工智能·后端
qinglongcn2 小时前
四面统一:记忆/Session/观测/Cron
agent·ai编程
SwanArc技术笔记2 小时前
读技术文档,先用哪个 AI?模型指南筛选与 GPT-6.2 Astra 实操
人工智能
深海鱼在掘金2 小时前
深入浅出RAG——第21章:回顾与展望
人工智能