核心用法
OCR Skill 基于百度开源的 PaddleOCR 引擎，提供图片与 PDF 文档的文字识别能力。核心用法包括：
1. 直接识别：对 JPG/PNG 等图片文件调用 ocr.predict() 获取文本
2. PDF 处理：先用 PyMuPDF 提取扫描页为图片，再执行 OCR
3. 多页文档：遍历 PDF 逐页提取，适合批量处理合同、发票等
技术实现
- 依赖
paddlepaddle+paddleocr两个 Python 包 - 返回 JSON 格式结果，包含识别文本（
rec_texts）和置信度（rec_scores） - 默认中文模型（
lang='ch'），支持中英混合场景
显著优点
| 维度 | 说明 |
|------|------|
| 开源生态 | PaddleOCR 为百度开源项目，社区活跃，模型持续迭代 |
| 中文优化 | 针对中文排版、字体有专门训练，识别准确率优于通用 OCR |
| 离线运行 | 本地推理，无需上传敏感文档至云端，隐私可控 |
| 成本低 | 零 API 调用费用，适合高频批量处理 |
潜在局限
1. 硬件门槛：PaddlePaddle 对 GPU 支持较好，CPU 环境下推理速度较慢
2. 环境依赖：需安装约 500MB+ 的深度学习框架，首次部署较重
3. 版式敏感：复杂表格、手写体、低分辨率扫描件识别率下降
4. 无内置 PDF 解析：需额外搭配 PyMuPDF 等工具提取图像
适合人群
- 财务/行政人员：发票、报销单批量录入
- 法务/档案管理：合同、协议电子化归档
- 开发者：需集成离线 OCR 的自动化流程
- 研究者：处理扫描版论文、古籍等文献
常规风险
- 信息泄露风险低：本地处理，但需注意 PaddleOCR 可能触发自动下载模型文件
- 准确性校验：关键数据（如金额、日期）需人工复核，置信度分数仅作参考
- 版权合规：提取他人文档内容需确保合法授权
- 依赖维护：PaddlePaddle 版本更新可能引入兼容性问题