PaddleOCR Agent Skills 安装指南：三步装好，让 AI 应用搞定文字识别与文档解析

PaddleOCR Agent Skills 安装指南三步装好让 AI 应用搞定文字识别与文档解析【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCRPaddleOCR 是一款把 PDF 与图片转成结构化数据的开源 OCR 工具包其官方 Agent Skills 将 OCR 与文档解析任务的触发规则、调用步骤、配置要求打包成可按需加载的模块让 Claude Code、OpenClaw 等支持 Skills 的 AI 应用直接调用官方 API 完成识别与解析。本文带你完成这两个 Skill 的安装与配置然后用自然语言触发任务、从输出判断成功。为什么要把 PaddleOCR 接入 AI 应用AI 应用处理发票、扫描件或报告 PDF 时自身视觉能力容易漏掉表格结构、公式与小字号内容。Skills 的思路是把这些任务交给官方托管服务应用只用自然语言描述任务Skill 负责提交文件、等待任务、取回结果。全程不需要本地 GPU 推理——Skill 背后运行paddleocr api子命令它把文件提交到云端处理并取回结果因此装完 PaddleOCR 后无需额外依赖。该选哪个 Skill 对应你的任务两个 Skill 按目标输出二选一也可以都装目标Skill返回内容只要图片 / PDF 里的纯文本paddleocr-text-recognition行级文本、边界框、置信度保留文档结构标题、表格、公式paddleocr-doc-parsingMarkdown / 结构化结果⚠️ 目标是纯文本就用 text-recognition文档含表格、公式、图表或复杂版面就改用 doc-parsing——skills/paddleocr-text-recognition/SKILL.md 明确禁止用它处理这类文档。完整规则见 skills 目录说明与官方 Skills 文档。动手前备齐三样东西执行 Skill 的设备已装 Python 3.9 或更高版本。安装 PaddleOCR 3.7.0 及以上版本该版本提供paddleocr api命令pip install paddleocr3.7.0一个 access token登录百度 AI Studio在账户设置页的 Access Token 入口获取。它用于 API 鉴权必须通过环境变量PADDLEOCR_ACCESS_TOKEN或--token参数传给 CLI。安装 Skill三种方式任选其一方式一skills CLI推荐skillsCLI 会把 Skill 全局安装到设备上装完各 AI 应用均可使用前提是已装 Node.jsnpx skills add PaddlePaddle/PaddleOCR -g --skill paddleocr-text-recognition -y npx skills add PaddlePaddle/PaddleOCR -g --skill paddleocr-doc-parsing -y只装一个 Skill 时保留对应命令即可。PaddleOCR 仓库较大网络慢时可能超时若遇到先克隆到本地再从本地路径安装git clone https://gitcode.com/GitHub_Trending/pa/PaddleOCR npx skills add ./PaddleOCR/skills/paddleocr-text-recognition npx skills add ./PaddleOCR/skills/paddleocr-doc-parsing方式二clawhubOpenClaw 用户clawhub install paddleocr-text-recognition clawhub install paddleocr-doc-parsing安装位置与规则以 OpenClaw 官方 Skills 文档为准。方式三手动拷贝克隆仓库后把PaddleOCR/skills下对应 Skill 目录拷到 AI 应用指定的位置。Claude Code、claude.ai、OpenClaw 各有各的 Skills 安装说明具体目标路径查对应应用的文档。配置 PADDLEOCR_ACCESS_TOKEN 环境变量 两个 Skill 的 frontmatter 都把PADDLEOCR_ACCESS_TOKEN声明为必需环境变量primaryEnv缺失时 Skill 不会正常工作。可选设置PADDLEOCR_BASE_URL更换 API 服务地址缺省使用官方服务。Claude Code在项目根目录的.claude/settings.local.json加env字段ACCESS_TOKEN替换为你的 token{ env: { PADDLEOCR_ACCESS_TOKEN: ACCESS_TOKEN } }OpenClaw在~/.openclaw/openclaw.json中把 Skill 条目的enabled置为true并填入 token{ skills: { entries: { paddleocr-text-recognition: { enabled: true, env: { PADDLEOCR_ACCESS_TOKEN: ACCESS_TOKEN } }, paddleocr-doc-parsing: { enabled: true, env: { PADDLEOCR_ACCESS_TOKEN: ACCESS_TOKEN } } } } }其他 AI 应用应用不在上述列表内时把 token 以环境变量PADDLEOCR_ACCESS_TOKEN提供给该应用即可单次调用也可用--token显式传入。触发任务的标准提示词配置完成后直接在应用里用自然语言描述任务附上文件 URL 或本地路径。标准提示词提取这个文件中的全部文本https://example.com/invoice.jpg 解析这个 PDF并返回主体内容和全部表格https://example.com/report.pdf示例中的 URL 与本地路径都是占位值替换为你自己的文件即可。Skill 实际执行的是paddleocr api命令手动验证用最小形态paddleocr api --model_type ocr --file_url https://example.com/image.png paddleocr api --model_type doc_parsing --file_path ./document.pdf--model_type必填且只接受ocr或doc_parsing--file_url与--file_path二选一。完整参数以paddleocr api --help及官方 API CLI 文档为准。平整、方向正确的输入截图、扫描规范的文档可以关闭文档预处理扭曲矫正 方向分类加快结果paddleocr api --model_type ocr --file_path ./document.pdf \ --use_doc_unwarping False --use_doc_orientation_classify False弯曲、折叠文档的照片或方向不确定旋转 90/180/270 度时保持预处理开启。从输出确认成功并处理常见错误成功时 CLI 向标准输出打印格式化 JSON用--output指定文件则写入文件并打印保存位置。两种结果结构ocr结果含jobId与每页prunedResult内含rec_texts行级文本、rec_scores置信度分数及ocrImageUrldoc_parsing结果含jobId与每页markdownText、markdownImages、outputImages。✅ 验证方式直接检查pages是否覆盖目标页码、rec_texts/markdownText与文档实际内容是否一致。出错时信息进标准错误流、退出码非零三类常见原因token 无效或缺失——检查环境变量是否配置、token 是否过期配额超限——触发了 API 限流未检测到内容——图片是空白页或不含文字。出错时 AI 应用应向用户说明具体原因而不是静默回退到自身视觉能力。展示上给出完整提取内容超过 10,000 字符才允许省略。自检动作拿一篇手头的真实 PDF 或图片跑一次上面的提示词输出里出现与文档一致的rec_texts或markdownText链路即打通。【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100 languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考