核心用法
local-image-ocr-aipc 是一个专为 Windows 设计的本地图像文字识别技能，采用 ggml-org/GLM-OCR-GGUF 模型（Q8_0 量化）搭配 llama.cpp Vulkan 推理引擎，实现完全离线的 OCR 功能。用户可通过上传图片或指定本地路径，提取发票、收据、合同、名片、证件、表格等各类文档中的文字内容。
执行流程：
1. Pre-flight 环境检查：自动检测工作目录、llama-cli 二进制文件（要求 build ≥ b8400）及模型文件完整性
2. Step 1 引擎安装：从 GitHub Releases 下载 llama.cpp Vulkan 预编译版本（约 50-100 MB）
3. Step 2 模型下载：通过 HuggingFace 或 ModelScope 拉取 GLM-OCR 主模型（~950 MB）与视觉投影层（~484 MB），支持断点续传；无 Python 环境时自动静默安装 Miniforge
4. Step 3 推理识别：调用 llama-cli 执行 Vulkan 加速推理，支持本地路径或 OpenClaw 临时文件两种输入模式，输出保留原始排版的文本
显著优点
- 完全本地离线：零云端 API 调用，数据不出本机，适合敏感文档处理
- Intel iGPU 优先：Vulkan 后端自动调用核显加速，无需高端独显
- 中英混排优化：GLM-OCR 针对中文场景专项训练，复杂排版识别准确率高
- 自动化依赖管理：自动检测/安装 Python 环境与推理引擎，降低技术门槛
- 断点续传机制：1.5 GB 模型下载支持中断恢复
潜在缺点与局限性
- Windows 独占：依赖 PowerShell 与 Win32 路径处理，无法跨平台运行
- 显存门槛：Q8_0 量化模型需约 2-3 GB VRAM，核显共享内存场景可能触发 OOM
- 首次部署耗时：模型下载 + 环境初始化需 5-20 分钟（视网速）
- 无精细化微调：通用模型对特定行业版式（如医疗票据、海关报关单）可能漏检
- 长图/多栏处理：12000 token 上下文限制，超宽表格可能截断
适合人群
- 企业合规敏感岗位（财务、法务、人事）需处理发票、合同、身份证等私密文档
- Intel 轻薄本用户希望利用闲置核显算力，避免云端订阅费用
- 离线环境工作者（保密机房、野外作业）需要可靠的本地 OCR 方案
- 隐私极客拒绝任何云端图像上传
常规风险
- 二进制执行风险：自动下载并运行 GitHub 发布的 llama-cli.exe，需信任
ggml-org/llama.cpp供应链 - 静默安装行为：无 Python 时会自动安装 Miniforge 至用户目录，虽无需管理员权限但属侵入性操作
- 驱动依赖：Vulkan 推理要求较新的 Intel 核显驱动，老旧设备可能回退至 CPU 模式导致速度骤降
- 模型来源固定：仅支持官方 GGUF 格式，无法直接切换至更新/更强的多模态模型