核心用法
PaddleOCR Text Recognition 是一款基于百度飞桨深度学习框架的官方OCR技能，用于从图片、截图、扫描件中提取可机读文本。核心工作流包含三步：通过--file-url或--file-path指定输入源，调用uv run scripts/ocr_caller.py执行识别，解析返回的JSON结果。输出包含完整文本（text字段）与可选的检测框坐标（bbox），支持PDF、PNG、JPG、WebP等主流格式。
显著优点
- 中文识别领先：针对CJK（中日韩）字符优化，中文场景准确率业界前列
- 多场景适配：支持印刷体、手写体、小字号、模糊图像等复杂场景
- 即装即用：基于uv的PEP 723内联依赖管理，无需手动安装
- 结构化输出：除纯文本外，可选返回行级边界框坐标，便于下游版面分析
- 灵活部署：支持本地文件与远程URL双模式，自动或手动指定文件类型
潜在局限
- 非结构化文档：不擅长表格、公式、图表等复杂版式，需配合文档解析技能
- API依赖：需配置
PADDLEOCR_OCR_API_URL与PADDLEOCR_ACCESS_TOKEN，存在网络与配额限制 - 性能瓶颈：大PDF（50+页）处理时间可达数分钟，不适合实时高频场景
- 隐私顾虑：图像数据需上传至API服务端，敏感文档存在泄露风险
适合人群
- 需要批量提取图片/扫描件文字的内容工作者
- 处理中文票据、合同、手写笔记的办公自动化场景
- 将纸质档案数字化的中小型企业
常规风险
| 风险类型 | 说明 |
|---------|------|
| 凭证泄露 | Token以明文环境变量存储，聊天窗口粘贴可能被记录 |
| 服务中断 | 429配额耗尽或网络故障导致识别失败 |
| 数据残留 | 默认临时文件需手动清理，敏感图像可能留存本地 |
| 精度误信 | 低置信度区域（rec_scores<0.8）需人工复核 |