核心用法
china-doc-ocr 是面向中国用户的智能文档OCR识别工具，专为处理复杂版式文档设计。核心能力包括：
- 多格式支持：PDF（含多页）、JPG/PNG/WebP等图片、扫描件、发票、身份证、营业执照、表格、图表
- 双模型驱动：DeepSeek-V3（文档理解+OCR）与 PaddleOCR-VL（版面分析）双保险
- 灵活输入：本地文件、URL直传、base64编码三种方式
- 结构化输出：Markdown保留格式、发票字段提取、表格CSV转换
显著优点
1. 国内网络零障碍：硅基流动(SiliconFlow)服务器部署，无需VPN或代理，API响应延迟低
2. 生态整合优势：与 china-image-gen、china-tts 共用 SILICONFLOW_API_KEY，降低多服务密钥管理成本
3. 复杂版面处理能力：相比传统OCR，能识别多栏排版、图文混排、嵌套表格等复杂布局
4. 多页PDF自动化：内置分页处理脚本，自动拆分识别并合并结果
5. Prompt模板化：针对不同场景（发票/证件/表格/文档）预置优化提示词
潜在局限与风险
- 模型依赖性强：完全依赖SiliconFlow服务可用性，若该服务中断则无法替代
- 隐私合规注意：发票、身份证等敏感信息需上传至第三方云服务，企业用户需评估数据出境合规
- 大文件处理瓶颈：>10MB文件需手动分页，超大PDF可能触发token上限
- 识别准确性波动：手写体、低分辨率扫描件、复杂艺术字体识别率可能下降
- 计费模式：detail=high按实际像素计费，高频调用成本需预估
适合人群
- 需要处理中文文档的国内开发者/办公人员
- 发票报销自动化、合同归档数字化场景
- 已使用SiliconFlow生态（图像生成/TTS）的存量用户
- 对网络稳定性要求高、无法使用海外OpenAI/Claude服务的团队
常规风险提示
- 密钥安全：
SILICONFLOW_API_KEY需妥善保管，避免硬编码提交至代码仓库 - 临时文件清理：工作区
$OPENCLAW_WORKSPACE/ocr_*目录可能残留敏感文档，建议定期清理 - 加密PDF预处理：需先用
qpdf --decrypt解密后再识别 - 结果校验建议：关键业务场景（如财务发票）建议人工复核识别结果