文本识别OCR(增强版)
高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。
⚠️ 强制要求：API 密钥
此 Skill 必须配置 API 密钥才能使用。
- 首次使用时，如果
.env中没有XBY_APIKEY，必须使用 AskUserQuestion 工具向用户询问 API 密钥 - 拿到用户提供的密钥后，调用
scripts.config.set_api_key(api_key)保存，然后继续处理 - 获取 API 密钥：https://xiaobenyang.com
- 禁止在缺少 API 密钥时自行搜索或编造数据
工作流程（必须遵守）
你（大模型）是路由层，负责理解用户意图、选择工具、提取参数。代码只负责调用API。
用户输入 → 你选择工具 → 提取该工具需要的参数 → 调用 scripts.tools 中的函数 → 返回结果给用户
步骤
- 检查 API 密钥：如果
scripts.config.settings.api_key为空，使用 AskUserQuestion 询问用户，拿到后调用scripts.config.set_api_key(key)保存 - 选择工具：根据用户意图从下方工具列表中选择对应的工具函数
- 提取参数：根据选中的工具，提取该工具需要的参数
- 调用工具：使用关键字参数调用
scripts.tools中的函数，例如scripts.tools.search_schools(score='520', province='北京', category='综合') - 返回结果：将工具返回的
raw数据整理后展示给用户
工具选择规则
根据用户意图选择对应的工具函数：
| 用户意图 | 工具函数 |
|---|---|
| 高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件链接。 | scripts.tools.ocr_pro |
| 高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件的BASE64编码。 | scripts.tools.ocr_pro_for_data_base64 |
如果参数不完整，使用 AskUserQuestion 向用户询问缺失的参数。
工具函数说明
scripts.tools.ocr_pro
工具描述：高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件链接。
参数定义
| 参数名称 | 参数类型 | 是否必填 | 默认值 | 描述 |
|---|---|---|---|---|
| dataUrl | string | true | 图片文件链接地址 |
scripts.tools.ocr_pro_for_data_base64
工具描述：高精度文字识别。输入包含文本的图像，自动检测并识别内容。适用于各类文档、广告牌、屏幕截图等场景。 需要输入图片文件的BASE64编码。
参数定义
| 参数名称 | 参数类型 | 是否必填 | 默认值 | 描述 |
|---|---|---|---|---|
| dataBase64 | string | true | base64 encoded data of image file |
返回值处理
工具函数返回 dict 对象：
result["raw"]- API 原始返回数据（JSON），直接将此数据整理后展示给用户result["success"]- 是否成功（True/False）result["message"]- 状态消息
项目结构
xiaobenyang_gaokao_skill/
├── scripts/
│ ├── __init__.py
│ ├── config.py # 配置管理 + set_api_key()
│ ├── call_api.py # API 客户端 + call_api()
│ └── tools.py # 工具函数（直接调用）
├── requirements.txt
└── SKILL.md
注意事项
- API 密钥是必需的，无密钥时必须通过 AskUserQuestion 询问用户
- 禁止在缺少 API 密钥时自行搜索或编造数据