LLMWhisperer

核心用法

LLMWhisperer 是基于 Unstract 提供的 OCR API 的 CLI 封装技能，支持从图片（JPG/PNG）和 PDF 文件中提取结构化文本。使用时需先在 ~/.clawdbot/.env 配置 LLMWHISPERER_API_KEY，然后通过 llmwhisperer <file> 直接调用。输出默认定向至终端，可通过重定向保存为文本文件。

显著优点

• 手写识别专项优化：相比通用 OCR，对手写笔记、签名等场景识别率更高
• 复杂版式保持：能较好还原表单、发票等多栏布局的文本结构
• 零本地依赖：纯 API 调用，无需本地安装 Tesseract 等重型 OCR 引擎
• 免费入门友好：100 页/天的免费额度足以支撑个人轻度使用

潜在缺点与局限

• 网络强依赖：断网或 API 服务故障时完全不可用
• 隐私风险：文件需上传至第三方云服务商处理，敏感文档存在数据泄露隐患
• 额度天花板：免费档 100 页/日对批量处理场景明显不足，商用需付费
• 格式支持有限：仅明确支持常见图片和 PDF，扫描版 Office 文档需先转换
• 无批量接口：CLI 设计为单文件处理，大量文件需自行编写循环脚本

适合人群

• 偶尔需要数字化手写笔记的学生、研究者
• 处理发票、收据等版式复杂但数量不多的小型商户
• 不想折腾本地 OCR 环境配置的懒人用户
• 对数据隐私要求不高、非涉密场景的个人用户

常规风险

| 风险类型 | 说明 |

|---------|------|

| 数据主权 | 文件上传至 Unstract 服务器，可能受美国/cloud 司法管辖 |

| API 密钥泄露 | `.env` 文件权限不当可能导致密钥被盗用 |

| 服务持续性 | 免费政策、API 端点可能随厂商策略调整而变更 |

| 识别误差 | 手写体识别虽优于通用方案，但潦草字迹仍可能出错，关键场景需人工复核 |

核心用法

LLMWhisperer 是一个纯文档型 Skill，用于调用 Unstract 提供的 LLMWhisperer API 服务，从图像和 PDF 文件中提取结构化文本。用户需先获取免费 API Key（100 页/天），将其配置于 ~/.clawdbot/.env 后，即可通过 llmwhisperer <file> 命令调用。

该 Skill 本身仅包含 Markdown 说明文档，实际的网络请求由用户本地脚本执行，因此 Skill 代码层面零风险。

显著优点

1. 专注复杂文档识别：针对手写笔记、发票、表格等复杂版式优化，OCR 准确率优于通用方案。
2. 免费额度友好：每日 100 页免费额度，适合个人轻量使用。
3. 零代码入侵：纯文档型设计，无可执行代码，不植入任何本地逻辑。
4. 安全审计优异：六维安全检测全通过，静态分析 98 分，无危险函数、无敏感信息泄露、无第三方依赖。

潜在局限

1. 依赖外部 API：核心功能完全依赖 Unstract 云服务，需联网使用，存在服务可用性风险。
2. 隐私考量：文档需上传至第三方服务器处理，敏感文件需谨慎评估。
3. 免费额度限制：高频率使用需付费升级，大文档批量处理成本需评估。
4. 脚本需自管：实际执行脚本位于用户本地路径，需用户自行维护更新。

适合人群

• 需要快速提取发票、合同、手写笔记的办公用户
• 处理复杂表格结构的数据录入场景
• 对本地安全要求极高、偏好纯文档型工具的技术用户

常规风险

• 网络传输风险：文件上传至 unstract.com，虽采用 TLS 1.2+ 加密，但仍存在数据离开本地环境的风险。
• API Key 管理：Key 存储于本地 .env 文件，需避免误提交至版本控制。
• 服务持续性：依赖 Unstract 公司运营，存在服务变更或终止的潜在风险。