核心功能
WiseOCR 是一款基于 WiseDiag 云端 API 的 OCR（光学字符识别）工具，专注于将单页 PDF 或图像文件高精度转换为 Markdown 格式。其核心能力包括：
- 多格式支持：PDF、JPG、PNG、WebP、GIF、BMP、TIFF 等主流格式
- 智能版面分析：支持多栏布局识别与表格结构提取
- 自动输出管理：转换结果自动保存至
~/.openclaw/workspace/WiseOCR/目录，无需手动操作 - 参数化控制：支持自定义 DPI（72-600，默认 200）与输出路径
显著优势
1. 云端高精度引擎：依托 WiseDiag 云 API，识别准确率高于多数本地开源方案
2. Markdown 原生输出：直接生成结构化 Markdown，便于后续文档处理与版本管理
3. 零配置即用：仅需设置 API Key，无需本地模型部署或依赖管理
4. 表格识别能力：对复杂表格的版面还原能力优于纯文本 OCR 工具
潜在局限与风险
| 维度 | 说明 |
|------|------|
| **隐私安全** | 文件必须上传至 WiseDiag 云服务器处理，存在数据外泄风险 |
| **网络依赖** | 完全依赖互联网连接，离线环境无法使用 |
| **单文件限制** | 每次仅支持单个文件处理，批量场景需自行脚本封装 |
| **服务可用性** | 受第三方 SLA 制约，存在服务中断或 API 变更风险 |
| **成本不透明** | 文档未明确说明 WiseDiag API 的定价策略与免费额度 |
适用人群
- 需要将扫描文档、电子书或图片转换为可编辑 Markdown 的技术写作者
- 处理公开资料、学术论文等非敏感文档的研究人员
- 追求识别精度、愿意接受云端处理的效率优先型用户
- 不适用：处理身份证、银行账单、合同等含敏感个人信息的场景
安全建议
- 使用前务必阅读并理解 WiseDiag 的隐私政策与数据处理条款
- 对含敏感信息的文档，优先选用本地 OCR 方案（如 Tesseract、PaddleOCR）
- 建议通过环境变量注入 API Key，避免硬编码或日志泄露
开源与许可
采用 MIT 许可证，代码开源托管于 GitHub。