下载地址
https://www.zhengdianxue.com/wp-content/uploads/skills/ixhlink--ixhlink-skills-quanneng-ocr-recog.zip将提示词发送给你的 AI 安装该 skills
请根据 https://skillhub.cn/install/skillhub.md，安装 @ixhlink/ixhlink-skills-quanneng-ocr-recog。全能 OCR 文字识别助手，从图片中提取印刷体、手写体、表格、票据、名片等文字内容，支持 URL 与 Base64 图片；当用户要求「OCR」「识别图片文字」「提取文字」「扫图识字」「图片转文字」「读图」「票据识别」「表格识别」时使用。
阅读全文 （展开查看完整说明）
概述
元数据
| 字段 | 值 |
|---|---|
| skill_id | ixhlink-skills-quanneng-ocr-recog |
| skill_version | 1.0.0 |
| product_id | ixhlink-skills-quanneng-ocr-recog |
| model_key | ixhlink-skills-quanneng-ocr-recog |
| capability | ocr |
服务地址
Base URL：https://iskills.ixhlink.com
下文接口均写路径（如 /api/v1/llm/invoke），完整地址 = Base URL + 路径。
统一响应格式：
{"success": true, "code": 0, "message": "ok", "data": {}}调用流程
ocr 为慢任务，默认异步。典型流程：
- （可选）
GET /api/v1/llm/models确认模型已启用 POST /api/v1/llm/invoke提交 OCR 识别请求- 若返回 402：调起微信支付，成功后用相同 JSON body 重试，Header 附带
WeixinPay-Required与X-Payment-Id - 从响应取
data.task.id，轮询GET /api/v1/llm/tasks/{task_id}直至status = succeeded - 从
data.result.choices[0].message.content读取识别出的文字
也可直接用 POST /api/v1/llm/tasks 创建异步任务（请求体相同，强制异步）。
1. 查询模型（可选）
GET /api/v1/llm/models
Accept: application/json确认返回的 items 中包含：
{"model": "ixhlink-skills-quanneng-ocr-recog", "capability": "ocr"}2. 提交 OCR 识别
POST /api/v1/llm/invoke
Content-Type: application/json请求体（URL 图片，推荐格式）：
Prompt 须放在 system 消息，且以 <image>n 开头；user 消息仅传图片。
图片传入方式（二选一，勿混用占位符）：
| 方式 | image_url.url 填什么 | 是否转 OSS |
|---|---|---|
| 公网链接（推荐） | 真实可访问的 https://… / http://… | 否，原样转发上游 |
| Base64 | 完整 data:image/png;base64,{真实Base64}，或用 image_url.b64 传裸 Base64 | 是（须后台开启「本地/Base64 图片由后端转 OSS URL」且已配置 OSS） |
严禁原样提交文档占位符（否则会报 image_url 须为 http/https 公网地址，或提供可解码的 b64/url）：
- ❌
https://example.com/document.jpg（示例域名） - ❌
data:image/png;base64,<base64>（尖括号是说明，须替换为真实编码） - ❌
<data:image/png;base64,...>（日志脱敏格式，不能当请求值） - ❌ 把图片 URL 写在
system的<image>里（<image>只是 OCR 指令前缀，不是图片地址）
图片只能放在 user.content[] 的 type: image_url 中。
{
"capability": "ocr",
"model": "ixhlink-skills-quanneng-ocr-recog",
"payload": {
"messages": [
{
"role": "system",
"content": "<image>n<|grounding|>Convert the document to markdown."
},
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {"url": "https://example.com/document.jpg"}
}
]
}
]
}
}请求体（Base64 图片，二选一）：
方式 A — data: URL（url 中必须是完整 Base64，不能留 <base64> 字样）：
{
"capability": "ocr",
"model": "ixhlink-skills-quanneng-ocr-recog",
"payload": {
"messages": [
{
"role": "system",
"content": "<image>n<|grounding|>Convert the document to markdown."
},
{
"role": "user",
"content": [
{
"type": "image_url",
"image_url": {
"url": "data:image/png;base64,iVBORw0KGgoAAAANSUhEUg..."
}
}
]
}
]
}
}方式 B — 裸 Base64 字段（推荐 Agent 构造，避免 data: 前缀拼错）：
⚠️ Base64 提交注意事项（重要）：
当通过 curl 提交 Base64 图片时，严禁将 base64 字符串直接写在 -d '{"b64":"..."}' 命令行参数中 — shell 会截断超长字符串导致数据损坏。
正确做法：先写 JSON 文件，再用 curl -d @文件 提交：
# 1. 用 Python 构建 JSON 并写入文件（正确处理大段 base64）
python3 -c "
import json
b64 = open('图片路径').read().strip() # 或 base64 变量
payload = { 'capability': 'ocr', 'model': 'ixhlink-skills-quanneng-ocr-recog',
'payload': { 'messages': [
{'role':'system','content':'<image>n<|grounding|>OCR this image.'},
{'role':'user','content':[{'type':'image_url','image_url':{'b64':b64,'mime_type':'image/png'}}]}
]}}
with open('/tmp/ocr_payload.json','w') as f: json.dump(payload,f)
"
# 2. 用文件方式提交，避免 shell 截断
curl -s -X POST https://iskills.ixhlink.com/api/v1/llm/invoke
-H "Content-Type: application/json"
-d @/tmp/ocr_payload.json{
"type": "image_url",
"image_url": {
"b64": "iVBORw0KGgoAAAANSUhEUg...",
"mime_type": "image/png"
}
}payload 字段：
| 字段 | 必填 | 说明 |
|---|---|---|
messages | 是 | OpenAI 兼容对话数组 |
messages[0].role | 推荐 | system，承载 OCR Prompt（须含 <image>n 前缀） |
messages[1].role | 推荐 | user，content 仅含 image_url |
messages[].content[].image_url.url | 与 b64 二选一 | 公网 https/http URL（推荐）；或完整 data:image/...;base64,{编码}（勿用占位符） |
messages[].content[].image_url.b64 | 与 url 二选一 | 裸 Base64 字符串（须模型已开启后端转图且后台已配置 OSS） |
system / system_prompt | 否 | 也可作为顶层字段，服务端会合并进 messages |
max_tokens | 否 | 最大输出 token 数 |
temperature | 否 | 采样温度，OCR 建议偏低（如 0–0.3） |
Prompt 模板（按场景选用，均须加 <image>n 前缀）：
| 场景 | system content |
|---|---|
| 文档转 Markdown | <image>n<|grounding|>Convert the document to markdown. |
| 普通图片 OCR | <image>n<|grounding|>OCR this image. |
| 无布局纯文字 | <image>nFree OCR. |
| 文档图表 | <image>nParse the figure. |
| 详细描述 | <image>nDescribe this image in detail. |
| 定位识别 | <image>nLocate <|ref|>关键词<|/ref|> in the image. |
识别结果在 choices[0].message.content 中，可能含布局标注，例如：
<|ref|>text<|/ref|><|det|>[[90, 22, 185, 35]]<|/det|>
18:51可按需清洗 <|ref|>…<|/ref|><|det|>…<|/det|> 等标记后展示给用户。
简写（仅文字指令时）： 若只传 prompt 且无图片，服务端会转为单轮 messages（OCR 须带图片，请使用上文 messages + image_url 格式）：
{
"capability": "ocr",
"model": "ixhlink-skills-quanneng-ocr-recog",
"payload": {
"prompt": "请识别图片文字"
}
}多图识别示例：
{
"capability": "ocr",
"model": "ixhlink-skills-quanneng-ocr-recog",
"payload": {
"messages": [
{
"role": "system",
"content": "<image>n<|grounding|>OCR this image."
},
{
"role": "user",
"content": [
{"type": "image_url", "image_url": {"url": "https://example.com/page1.jpg"}},
{"type": "image_url", "image_url": {"url": "https://example.com/page2.jpg"}}
]
}
]
}
}提交成功响应（异步）：
{
"success": true,
"code": 0,
"message": "任务已提交",
"data": {
"task": {
"id": "550e8400-e29b-41d4-a716-446655440000",
"status": "pending",
"capability": "ocr",
"model_key": "ixhlink-skills-quanneng-ocr-recog"
}
}
}3. 轮询任务结果
GET /api/v1/llm/tasks/{task_id}
Accept: application/json任务状态： pending → running → succeeded / failed
建议间隔 2–5 秒轮询，超时可根据业务设为 1–3 分钟。
成功响应示例：
{
"success": true,
"code": 0,
"message": "ok",
"data": {
"id": "550e8400-e29b-41d4-a716-446655440000",
"status": "succeeded",
"result": {
"id": "chatcmpl-xxx",
"object": "chat.completion",
"choices": [
{
"index": 0,
"message": {
"role": "assistant",
"content": "识别出的文字内容……"
},
"finish_reason": "stop"
}
],
"usage": {
"prompt_tokens": 800,
"completion_tokens": 120,
"total_tokens": 920
},
"_billing": {
"call_log_id": "660e8400-e29b-41d4-a716-446655440001"
}
},
"billing": {
"call_log_id": "660e8400-e29b-41d4-a716-446655440001"
}
}
}识别文字在 data.result.choices[0].message.content；排查日志可用 data.billing.call_log_id 或 data.result._billing.call_log_id。
付费前置检查
调用本 Skill 前，必须检查当前 Agent 是否已安装支付能力（weixinpay extension）：
- ✅ 已安装：可继续提供付费创作服务
- ❌ 未安装：向用户提示「当前 Agent 暂不支持付费创作能力」，终止流程
服务与定价
| 产品ID | 服务内容 | 单价 |
|---|---|---|
ixhlink-skills-quanneng-ocr-recog | 全能文字识别 | 0.8 元/次 |
价格以 SkillHub 后台配置为准。命中创作意图后，向用户展示服务名称和价格，由用户确认后进入付费流程。
付费说明
当 amount_fen > 0 且未完成支付时，首次 POST /api/v1/llm/invoke 会返回 HTTP 402，响应中携带：
- Header：
WeixinPay-Required: <payment_code>、X-Payment-Id: <payment_id> - Body：
WeixinPay对象（含payment_id、prompt等）
客户端流程（Agent / MCP / Web）：
首次 invoke → 402 → weixinpay_pay(payment_code) → 支付成功后重试 invoke「原样重试」的含义：
- JSON body 不变：
model、capability、payload必须与首次请求完全一致 - 订单参数单独带上：将 402 中的
payment_code、payment_id通过 Header 传入（推荐），或写入 body 的WeixinPay；勿改payload业务字段来传订单号
重试请求示例：
POST /api/v1/llm/invoke
Content-Type: application/json
WeixinPay-Required: <payment_code>
X-Payment-Id: <payment_id>
{"model":"ixhlink-skills-quanneng-ocr-recog","capability":"ocr","payload":{...}}amount_fen = 0 时可跳过支付，直接调用。每笔订单按次消费，使用后不可复用。
错误处理
| HTTP / 任务错误 | 常见原因 |
|---|---|
| 400 | 缺少 model、payload 非法、messages 为空或未包含图片 |
image_url 须为 http/https 公网地址，或提供可解码的 b64/url | url 不是公网链接且 Base64 无法解码：提交了占位符、空 data:、相对路径，或图片未放在 user.content[].image_url |
本地或 base64 图片需先在后台配置 OSS… | 传了 Base64 但后台未开 OSS，或未勾选模型的「本地/Base64 转 OSS」 |
| 402 | 需付费或 X402 预下单失败 |
| 404 | 模型未启用或 capability 不匹配 |
| 503 | OCR 服务未启用或暂不可用 |
任务失败时 status = failed；客户端可见 data.error_message（已脱敏）。管理后台「调用日志」可查看完整 error_message 排查。
快速自检：
- 有公网图？→ 直接用
https://真实域名/路径.jpg，无需 Base64、无需 OSS。 - 只有本地/Base64？→ 确认模型已开启转 OSS，且
url/b64为真实编码，不是文档示例里的占位符。 system里<image>保留；真实图片 URL/Base64 只放user的image_url。
