核心用法
PaddleOCR Text Recognition 是一个基于飞桨（PaddlePaddle）开源 OCR 引擎的文字识别技能，通过调用官方 API 实现图像到文本的转换。用户需提供图片 URL 或本地文件路径，执行 python scripts/ocr_caller.py 脚本即可获取识别结果。
基本调用流程：
- 远程图片：
--file-url参数指定地址 - 本地文件：
--file-path参数指定路径 - 默认输出：JSON 文件保存至系统临时目录，路径通过 stderr 回显
- 可选
--stdout直接输出至终端，--pretty格式化显示
输出结构：
{
"ok": true,
"text": "完整识别文本",
"result": {原始API响应},
"error": null
}显著优点
1. 中文识别优势：针对 CJK（中日韩）文字深度优化，繁体/简体/日文/韩文识别准确率高
2. 复杂场景适应：支持小字体、低对比度、轻微模糊及手写体识别
3. 批量处理能力：支持多图批量运行，适合文档数字化工作流
4. 坐标输出：可选返回 bounding box 坐标，便于后续版面分析
5. 开源生态：基于 PaddleOCR 项目，模型持续迭代（当前推荐 PP-OCRv5）
潜在局限
1. API 依赖：必须配置 PADDLEOCR_OCR_API_URL 和 PADDLEOCR_ACCESS_TOKEN，无法离线使用
2. 格式限制：不保证复杂表格结构、数学公式或阅读顺序的恢复，仅输出线级文本
3. 配额管控：受 API 速率限制，高频调用可能触发 429 错误
4. 无容错设计：技能明确禁止回退方案，API 失败时直接终止，不提供视觉模型备选
适合人群
- 需要将扫描件、截图、照片转为可编辑文本的办公用户
- 处理中日韩文档的本地化团队
- 批量数字化历史档案、书籍的项目组
- 需提取图中文字但无法使用本地 OCR 资源的开发者
常规风险
- 凭证泄露风险：API Token 如通过聊天配置可能被记录在历史中，建议通过宿主应用配置界面设置
- 隐私合规：敏感文档上传至第三方 API，需确认服务商数据处理条款
- 服务可用性：依赖 PaddleOCR 官方服务稳定性，国内用户需关注网络连通性
- 成本累积：按调用量计费，批量处理前建议评估配额消耗