核心用法
GLM-OCR Handwriting 是一款基于智谱 AI 大模型能力的专用手写识别技能，通过调用官方 Layout Parsing API 实现高精度手写文字提取。使用时需配置 ZHIPU_API_KEY 环境变量，支持本地图片/PDF 文件路径或远程 URL 两种输入方式，输出为结构化 Markdown 文本及版面分析详情。
显著优点
1. 多模态大模型驱动：基于 GLM 系列大模型，相比传统 OCR 引擎对潦草字迹、连笔、倾斜等复杂手写场景识别率更高
2. 多语言混合支持：原生支持中文、英文及中英混写手写内容，无需分模型调用
3. 版面解析能力：不仅能提取纯文本，还可返回 layout_details 结构信息，保留段落、表格等空间关系
4. 统一密钥复用：与智谱生态其他技能（如 glmocr、glmv-caption）共享 ZHIPU_API_KEY，降低配置成本
5. 安全设计完善：强制使用官方固定端点，禁止自定义 API URL 覆盖，防止密钥泄露；原始上游响应默认隐藏，仅调试时可选开启
潜在缺点与局限性
- 云端依赖：必须联网调用智谱 API，无法离线使用，存在服务可用性风险
- 配额与成本：按调用量计费，高频使用需关注账户余额及速率限制（429 错误）
- 时延较高：大模型推理相比传统 OCR 延迟更大，大文件或复杂版面可能触发超时（可通过
GLM_OCR_TIMEOUT调整） - 无本地回退：技能强制限制明确禁止任何替代识别方案，API 失败时仅报错终止，无降级机制
- 输出可控性有限：Markdown 格式由模型决定，用户对字体、字号、颜色等排版细节无直接控制
适合人群
- 需要将纸质笔记、手稿、信件数字化的学生、研究人员、档案管理员
- 处理混排手写批注与印刷内容的文档编辑、出版从业者
- 开发集成手写识别能力的应用开发者（需自行处理 API 封装）
常规风险
- 密钥泄露风险：
ZHIPU_API_KEY需妥善保管，避免硬编码或误提交至版本控制 - 隐私合规风险：上传文件内容发送至智谱云端，敏感文档需评估数据跨境及留存政策
- 服务质量波动：依赖第三方 API，存在模型迭代导致的输出格式变更或识别质量波动
- 超时失败风险：网络抖动或大文件处理可能触发超时，需合理设置
GLM_OCR_TIMEOUT并重试机制