OCR 识别原理与 Python 识图全实战：从文字提取到图像内容理解在 AI Agent、自动化办公、文档解析、截图分析场景，OCR 识图是高频底层能力。很多人混淆两个概念：OCR 光学字符识别（提取图片里面的文字） 和通用图像识图（理解图片里面画面内容、物体、场景）。 OCR 只负责把图像中的文字转成文本；而识图是更大的范畴，既包含 OCR 文字抽取，也包含图像分类、目标检测、图像问答。 本文讲清楚底层原理、Python 实现方案、各库对比、代码示例、性能边界，同时结合 Agent/MCP 场景讲实际落地坑点。