核心用法
local-image-ocr-aipc 是一款面向 Windows 平台的本地化 OCR 技能，通过部署 GLM-OCR 多模态大模型实现图像文字识别。技能采用三段式执行流程：Pre-flight 环境检查 → Step 1/2 自动安装依赖 → Step 3 执行识别。
首次使用时，系统自动完成以下部署：
- 从 GitHub 下载 llama.cpp Vulkan 预编译版本（~50-100MB）
- 自动下载 GLM-OCR Q8_0 量化模型（~950MB）及视觉投影层（~484MB）
- 支持从 HuggingFace、hf-mirror 或 ModelScope 多源下载
运行阶段，用户可通过本地文件路径或界面直接上传图像，技能调用 llama-cli 执行推理，输出保留原始排版的纯文本，并支持发票、表格、名片等场景的结构化解析。
显著优点
| 特性 | 说明 |
|------|------|
完全离线 | 零云端 API 调用，敏感文档不上传网络，满足金融、政务等隐私合规场景 |
| **硬件加速** | 优先使用 Intel iGPU Vulkan 推理，`-ngl 99` 全层卸载，平衡速度与显存 |
| **中英优化** | GLM-OCR 针对中文场景深度优化，混合文本识别准确率高于通用 OCR |
| **自动运维** | 集成 Python/Miniforge 自动安装、SHA256 校验、断点续传，降低技术门槛 |
| **灵活部署** | 工作目录可自定义或自动选择剩余空间最大的磁盘，无需管理员权限 |
潜在缺点与局限性
1. 硬件门槛：需支持 Vulkan 的 Intel 核显或兼容 GPU；纯 CPU 推理（--device none）速度显著下降
2. 显存约束：Q8_0 量化模型仍需要 ~2GB 可用显存/内存，低配置设备可能触发 OOM
3. 首次部署耗时：1.5GB 模型下载对慢速网络用户不友好（10Mbps 约 20 分钟）
4. Windows 独占：llama.cpp Vulkan 预编译仅提供 Windows x64 版本，macOS/Linux 用户需手动编译
5. 无原生表格识别：需依赖后处理脚本将文本重组为 Markdown 表格，复杂版式可能错位
适合人群
- 隐私敏感型用户：律师、会计师、政府工作人员处理合同、发票、身份证件
- 离线场景工作者：工厂质检、野外勘探、军队/保密单位等无公网环境
- Intel 轻薄本用户：希望利用闲置 iGPU 性能，避免云端订阅费用
- 自动化集成者：需将 OCR 嵌入本地 RPA 或文档管理系统的开发者
常规风险
| 风险类别 | 具体描述 | 缓解措施 |
|----------|----------|----------|
| **供应链攻击** | 从 GitHub 下载的可执行文件可能被篡改 | 强制 SHA256 校验，哈希不匹配时终止安装 |
| **环境污染** | Miniforge 自动安装修改用户 Python 环境 | 支持 `$customPythonExe` 指定现有环境，拒绝自动安装 |
| **权限提升** | 设计为非管理员运行，但用户可能误用管理员执行 | 文档明确警示，安装路径限定用户目录 |
| **模型完整性** | 大文件下载可能损坏导致推理异常 | 下载后校验文件大小（±50MB 容差）并打印 SHA256 供人工核对 |
| **敏感数据残留** | 临时图像文件可能残留在系统 | 建议配合系统临时目录自动清理策略 |
> 技能明确声明为「instruction-only」，所有系统变更均通过用户可见的 PowerShell 脚本执行，保留完整审计日志。