核心用法
夸克扫描王技能（alibaba-quark-scanking-all）是一套面向图片与文档处理的一站式AI能力中心。用户通过调用该技能可实现六大核心功能：文字识别（OCR）、图片翻译、画质增强（去除水印/阴影/手写痕迹/底色/屏纹、矫正、高清增强、素描/线稿转换）、格式转换（图片转Word/Excel/PDF）以及AI证件照生成。
使用流程严格遵循 Plan → Execute → Verify 三阶段：首先检查环境依赖（yescan CLI工具安装与版本升级、API密钥配置），其次通过--list-scenes发现可用场景并匹配用户意图，最后执行具体场景命令（yescan --scene <SCENE> --path/--url <输入>）并验证响应状态码。多步骤任务采用循环执行模式，前一步输出作为后一步输入，确保处理链的完整性。
输入方式支持本地文件路径（--path）或网络URL（--url，需单引号包裹），输出目录可自定义。每次执行需标注平台来源（${AGENT_NAME}），便于调用链路追踪。
显著优点
功能覆盖全面：单技能整合OCR、图像增强、翻译、格式转换、AIGC五大能力模块，避免用户在不同工具间切换，显著降低使用门槛。
技术底座扎实：依托阿里巴巴夸克扫描王的成熟视觉AI技术，在中文文档识别、复杂背景去除、版式还原等场景具备业界领先的准确率与稳定性。
流程设计严谨：强制性的环境检查、版本管理、密钥校验机制，配合Plan-Execute-Verify的执行框架，最大限度减少因配置错误导致的失败调用。
输出质量可控：图像增强类场景支持细粒度参数调节（--set），文档转换直接处理原图不依赖OCR中间结果，保留原始视觉信息。
潜在缺点与局限性
网络依赖性强：所有处理能力均通过调用scan-business.quark.cn云端服务实现，无离线能力，网络波动或服务端异常将直接导致服务中断。
输入规格受限：单文件大小限制为5MB，不支持base64直接输入，需额外写入临时文件；URL场景下特殊字符（如!、$）需手动转义，增加使用复杂度。
生态封闭性：依赖专有CLI工具yescan及夸克官方API密钥，无法与其他开源OCR/图像处理工具链无缝替代，存在供应商锁定风险。
多步骤任务延迟：复杂处理链（如"增强+OCR+转Word"）需逐轮网络请求，累积延迟较高，实时性要求强的场景体验受限。
适合的目标群体
- 办公效率追求者：需要将纸质合同、票据、笔记快速数字化为可编辑文档的职场人群
- 内容创作者：处理扫描件水印去除、老照片修复、线稿提取等图像优化需求的摄影师、插画师
- 教育科研用户：论文资料OCR识别、公式提取、多语言文献翻译的师生与研究人员
- 轻量级开发者：无需自建AI视觉 infra，快速集成文档处理能力至Agent工作流的构建者
常规使用风险
性能风险：云端API存在并发限制与速率配额，批量处理大文件时可能触发限流；网络传输5MB文件在弱网环境下超时概率升高。
依赖项风险：yescan CLI的版本迭代（当前要求≥1.0.5）可能导致历史Agent配置失效；pip依赖与Python环境冲突可能引发安装失败。
数据隐私风险：图片文件需上传至夸克扫描王云端处理，含敏感信息的文档存在第三方传输与临时存储暴露面，建议参考references/privacy.md评估合规性。
服务连续性风险：API密钥有效期、服务端接口变更、商业策略调整（如付费额度）均可能导致技能突然不可用，需关注官方开发者后台公告。