核心用法
GLM-OCR Formula Recognition Skill 是智谱官方推出的数学公式专用OCR工具，核心功能是将包含数学公式的图像或PDF文档转换为可编辑的LaTeX格式。用户通过调用 python scripts/glm_ocr_cli.py 脚本，传入本地文件路径(--file)或远程URL(--file-url)即可发起识别请求。API返回结构化JSON结果，其中 text 字段包含Markdown/LaTeX混合格式的提取内容，layout_details 提供版面分析细节。
显著优点
1. 专业公式识别能力：针对复杂数学场景优化，支持积分、求和、矩阵、分式、根式、上下标等结构，远超通用OCR的公式处理水平
2. 标准LaTeX输出：直接输出学术标准LaTeX代码，无缝对接Overleaf、MathJax、KaTeX等排版系统
3. 混合内容处理：可同时识别文档中的普通文本与公式，保持阅读顺序和结构层次
4. 灵活输入方式：同时支持本地文件与远程URL，满足截图、扫描件、在线资源等多场景需求
5. 企业级API底座：依托智谱开放平台，具备稳定的服务可用性和持续模型迭代
潜在缺点与局限性
1. API密钥依赖：必须使用 ZHIPU_API_KEY，国内平台注册流程对部分海外用户存在门槛
2. 网络延迟敏感：公式识别需云端推理，大文件或复杂排版可能出现超时（可通过 GLM_OCR_TIMEOUT 调整）
3. LaTeX渲染限制：多数聊天环境不支持原生LaTeX渲染，需人工转换为Unicode或借助外部工具查看效果
4. 端点固定不可改：出于安全考虑，不支持自定义API地址，无法对接私有化部署或代理服务
5. 成本因素：作为商业API服务，高频调用将产生费用，免费额度有限
适合人群
- 科研人员：需要从PDF论文、预印本中提取公式进行引用或改写
- 教育工作者：批量处理教材、试卷中的数学内容制作电子资源
- 学生群体：将手写或印刷笔记转换为可编辑的电子版公式
- 出版从业者：学术图书、期刊的数字化排版工作流
常规风险
- 密钥泄露风险：
ZHIPU_API_KEY需妥善保管，避免提交至公共代码仓库 - 数据隐私：上传文件将传输至智谱云端处理，敏感科研数据需谨慎评估
- API稳定性：依赖第三方服务商，存在配额耗尽、服务降级等不可控因素
- 识别误差：极端复杂的手写公式或低质量扫描件可能出现结构识别错误，关键场景建议人工复核