核心功能
Mistral OCR Skill 是一款集成 Mistral AI OCR API 的文档数字化工具，专注于将扫描版 PDF 与各类图像转换为结构化可编辑格式。其核心能力覆盖：
- 多格式输入：原生支持 PDF、PNG、JPG、JPEG、TIFF 等常见文档格式
- 三模态输出：Markdown（含图片引用）、JSON（结构化页数据）、HTML（富文本渲染）
- 版面智能解析：自动识别页眉页脚、表格结构、图文混排布局
- 图片资产提取：内嵌图像自动导出至
images/子目录并建立引用关系
显著优势
1. Mistral 模型背书：底层调用 Mistral AI 自研 OCR 模型，在复杂排版、多语言混合场景下具备业界领先的识别准确率
2. 工程化设计：CLI 与对话式双入口，支持批量处理与自定义输出目录，契合开发者工作流
3. 零本地依赖：纯 API 调用模式，无需本地部署 Tesseract 等 OCR 引擎，规避环境配置负担
4. 结构化输出：JSON 格式保留页码、坐标、置信度等元数据，便于下游 NLP 或知识库构建
局限与风险
| 维度 | 说明 |
|------|------|
| **成本门槛** | 按调用量计费，高频使用或大批量文档处理可能产生显著 API 费用 |
| **网络依赖** | 完全依赖云端 API，离线环境不可用，延迟受网络质量影响 |
| **隐私约束** | 敏感文档需上传至 Mistral 服务器，存在数据出境与合规审查风险 |
| **Key 管理** | 需用户自行获取并配置 `MISTRAL_API_KEY`，密钥泄露风险由用户承担 |
| **格式边界** | 手写体、低分辨率扫描件、复杂艺术字体识别效果可能降级 |
适用人群
- 开发者/数据工程师：需要快速提取文档结构化数据构建知识库
- 学术研究者：批量处理论文扫描件、归档资料数字化
- 内容运营：将 PDF 手册、报告快速转为可编辑 Markdown 发布
- 企业合规岗：需注意文档敏感等级评估后再启用
常规风险提示
- 首次使用前务必在 Mistral 平台完成实名认证与额度配置
- 建议对含 PII（个人身份信息）或商业机密文档启用本地 OCR 替代方案
- 输出 Markdown 中的图片引用路径为相对路径，跨设备迁移需同步
images/目录