🧭 使用前必读（30 秒）

[!WARNING] ⚠️ 隐私与数据流向重要提示

• 第三方服务交互：本技能会将您提供的图片 发送至夸克官方服务器 (scan-business.quark.cn) 进行识别。
• 数据可见性：夸克服务将获取并处理该图片内容，不会永久保存

推荐方式：环境变量（免权限、即时生效、webchat 友好）
在终端中运行（本次会话立即可用）：

export SCAN_WEBSERVICE_KEY="your_scan_webservice_key_here"

如何获取密钥？官方入口在此

请访问 https://scan.quark.cn/business → 开发者后台 → 登录/注册账号 → 查看API Key。
⚠️ 注意：若你点击链接后跳转到其他域名，说明该链接已失效 —— 请直接在浏览器地址栏手动输入 https://scan.quark.cn/business（这是当前唯一有效的官方入口）。

核心执行原则（强制遵守）

[!IMPORTANT] ⚠️ 所有调用必须严格遵循以下规则

• 每次请求视为完全独立会话：不得参考历史对话中的意图、参数或上下文。
• 单一意图原则：仅根据用户本次指令提取关键词匹配一个意图，命中即执行，不尝试其他意图。
• 禁止惯性沿用：不得沿用上一次的场景、参数或假设。
• 接口返回即结束：无论成功或失败，直接透传 API 响应，不重试、不解析、不切换。
• 禁止伪造请求和响应：必须使用对应 references/scenarios/XX-xxx.md 中定义的真实调用命令，不得使用示例 JSON 作为响应。
• 等待新指令：任务完成后静默等待用户发起下一次请求。

输入验证与前置检查

在执行任何意图前，自动按顺序检查以下条件：

1. 环境变量检查：

   • 若 SCAN_WEBSERVICE_KEY 未配置，立即返回：

     {
       "code": "A0100",
       "message": "SCAN_WEBSERVICE_KEY 未配置，请设置环境变量后重试。",
       "data": null
     }
     

2. 图片输入有效性检查：

   • 若用户指令中未提供有效图片输入方式（即无 --url、--path 或 --base64 参数），立即返回：

     {
       "code": "A0201",
       "message": "缺少图片输入，请提供图片链接、文件路径或 BASE64 数据。",
       "data": null
     }
     

3. API 响应透传：

   • 若 API 返回非 "00000" 状态码（如 A0211 配额不足、B0001 图片无效等），直接透传原始响应，不做任何修改或重试。

通用调用规范（强制遵循）

所有场景必须遵循以下规范。

脚本位置

scripts/scan.py 

输入方式（三选一）

通用参数

示例（以身份证识别为例）：
--service-option 'structure'
--input-configs '{"function_option": "RecognizeIDCard"}'
--output-configs '{"need_return_image": "false"}'
--data-type "image"
完整参数值必须查阅对应场景文件（如 references/scenarios/04-idcard-ocr.md）

返回格式（所有场景统一）

{
  "code": "String",      // 状态码，"00000" 表示成功
  "message": "String",  // 错误描述或成功提示
  "data": "Object"      // API 原始返回数据，结构随场景变化
}

🔍 意图匹配规则&执行

意图 1 - 手写文档识别 （API 场景 2）

• 当用户存在识别各类中英文手写内容（如学生作答、作文、会议记录、手写账单等）、将潦草或非标准手写图片转化为高精度可编辑文本，或突破传统 OCR 限制处理复杂手写场景的意图
• 示例指令：
  • “帮我把这张手写笔记转成文字”
  • “识别这张作文图片里的内容”
• ⚠️ 获取执行策略&执行)

意图 2 - 表格识别（API 场景 3）

• 当用户存在识别图片中的各类表格（如 Excel/Word 表格、票据单据、手写表格、检查报告单等）、高精度提取文字内容并精准还原原始表格格式与结构的意图
• 示例指令：
  • “提取这张表格里的数据”
  • “把这张报销单的表格转成 Excel 格式”
• ⚠️ 获取执行策略&执行)

意图 3 - 身份证识别 （API 场景 4）

• 当用户存在识别身份证图片、提取证件关键信息（包括但不限于姓名、身份证号、地址等字段）、将证件影像转化为结构化数据，或应用于身份核验、实名认证及信息准确性校验等场景的意图
• 示例指令：
  • “帮我读一下这张身份证”
  • “提取身份证上的姓名和号码”
• ⚠️ 获取执行策略&执行)

意图 4 - 社保卡识别（API 场景 5）

• 当用户存在识别社保卡图片、提取证件关键信息（包括但不限于姓名、社会保障号码、卡号、银联号码、性别、民族、发卡日期及有效期限等字段）、将证件影像转化为结构化数据，或应用于社保业务办理、身份核验及政务服务自动化等场景的意图
• 示例指令：
  • “识别这张社保卡的信息”
  • “提取社保卡上的姓名和社保号”
• ⚠️ 获取执行策略&执行)

意图 5 - 港澳通行证识别（API 场景 6）

• 当用户存在识别港澳通行证（或港澳台通行证）图片、提取证件关键信息（包括但不限于姓名、证件号码、签发机关、有效期限等 11 个字段）、将证件影像转化为结构化数据，或应用于身份核验、出入境管理及政务服务自动化等场景的意图
• 示例指令：
  • “读一下这张港澳通行证”
  • “提取通行证上的姓名和证件号”
• ⚠️ 获取执行策略&执行)

意图 6 - 学位证识别 （API 场景 7）

• 当用户存在识别学位证书图片、提取证书关键信息（包括但不限于证书名称、学校、姓名、性别、出生日期、学习日期、学制、学历、学位、专业、证书编号及发证日期等 12 个字段）、将证书影像转化为结构化数据，或应用于企业人才信息录入和学历核验等场景的意图
• 示例指令：
  • “识别这张学位证的内容”
  • “提取学位证上的学校和专业”
• ⚠️ 获取执行策略&执行)

意图 7 - 增值税发票识别（API 场景 8）

• 当用户存在识别增值税发票图片、提取单据关键信息（包括但不限于销售方、购买方、货物详情、金额等 30 多个字段）、将发票影像转化为结构化数据，或应用于财务报销自动化、税务管理及企业风控等场景的意图
• 示例指令：
  • “提取这张增值税发票的信息”
  • “识别发票上的金额和开票日期”
• ⚠️ 获取执行策略&执行

意图 8 - 火车票识别 （API 场景 9）

• 当用户存在识别火车票图片、提取票号/出发站/到达站/车次/开车时间/票价/座位号/座位类型/旅客身份号码/旅客姓名等 10 个关键字段信息、将车票照片转化为结构化文本数据，或应用于企业出行报销场景的意图
• 示例指令：
  • “读一下这张火车票”
  • “提取火车票的出发站和车次”
• ⚠️ 获取执行策略&执行

意图 9 - 公式识别（API 场景 10）

• 当用户存在识别数学/化学公式图片、高精度解析分数、矩阵、分段函数及化学方程式等复杂结构、将图像公式转化为可编辑的 LaTeX 代码或结构化数据，或应用于智能试卷自动批改、学术论文数字化归档、在线教育题目解析及科研文献深度分析等场景的意图
• 示例指令：
  • “把这张公式图片转成 LaTeX”
  • “识别这个数学公式的结构”
• ⚠️ 获取执行策略&执行

意图 10 - 题目识别（API 场景 11）

• 当用户上传包含习题/考题的图片，需仅提取题目文本（不含解答、批注或无关内容），并保留题号、题干结构，用于教育题库构建或题目检索
• 示例指令：
  • “提取这道题的关键信息”
  • “识别题目中的问题部分”
• ⚠️ 获取执行策略&执行

意图 11 - 驾驶证识别 （API 场景 12）

• 当用户存在识别驾驶证图片、提取证件关键信息（如证号、姓名、住址、有效期等）、将非结构化图像转化为结构化数据，或应用于身份核验、交通管理等场景的意图
• 示例指令：
  • “读一下这张驾驶证”
  • “提取驾驶证上的姓名和有效期”
• ⚠️ 获取执行策略

意图 12 - 行驶证识别（API 场景 13）

• 当用户存在识别行驶证图片、提取证件关键信息（包括但不限于证号、姓名、住址、有效期、准驾车型等）、将行驶证影像转化为结构化数据，或应用于身份核验、交通管理及汽车租赁等场景的意图
• 示例指令：
  • “识别这张行驶证”
  • “提取行驶证上的车牌号和所有人”
• ⚠️ 获取执行策略

意图 13 - 英文发票识别（API 场景 14）

• 当用户存在识别英文商业发票图片、提取单据关键信息（包括但不限于发票号、日期、买卖双方信息、商品明细、金额及税额等）、将非结构化英文单据转化为结构化数据，或应用于跨境贸易单证处理、海外费用报销及国际化财务自动化审核等场景的意图
• 示例指令：
  • “提取这张英文发票的信息”
  • “识别发票上的总金额和日期”
• ⚠️ 获取执行策略

意图 14 - 医疗报告单识别（API 场景 15）

• 当用户存在识别医疗报告单图片、提取报告关键信息（包括但不限于检验项目、结果、参考值等）、将医疗报告影像转化为结构化数据，或应用于电子病历归档、健康数据分析及远程医疗辅助诊断等场景的意图
• 示例指令：
  • “读一下这张化验单”
  • “提取报告中的异常指标”
• ⚠️ 获取执行策略

意图 15 - 营业执照识别（API 场景 16）

• 当用户存在识别营业执照图片、提取证件关键信息（包括但不限于统一社会信用代码、名称、类型、法定代表人、经营范围等）、将执照影像转化为结构化数据，或应用于企业身份核验、工商注册自动化、供应链准入审核及金融风控等场景的意图
• 示例指令：
  • “识别这张营业执照”
  • “提取公司名称和法人代表”
• ⚠️ 获取执行策略

意图 16 - 商品图片识别（API 场景 17）

• 用户需要识别图片中的具体商品对象，包括商品名称、品牌、品类等信息，用于商品检索或分类
• 示例指令：
  • “这是什么商品？”
  • “识别这张图片里的产品品牌”
• ⚠️ 获取执行策略

意图 17 - 通用文字提取（兜底意图）（API 场景 1）

• 当用户指令中不包含上述任何具体场景，仅表达提取纯文字意图时
• 示例指令：
  • “把这张图转成文字”
  • “提取图中所有文字”
• ⚠️ 获取执行策略

⛔ 不适用场景（When Not to Use）

本技能不支持以下场景，请勿尝试：

💡 示例参考

每个意图场景的完整调用示例已在对应场景文件中提供，请直接查阅：

• 各场景调用命令 + 响应结构 + 完整示例：references/scenarios/XX-xxx.md
• 通用参数规范：见上文「通用调用规范」章节

⚠️ 重要注意事项

1. JSON 格式: --input-configs 和 --output-configs 必须是 JSON 字符串
   • ✅ 正确：--input-configs '{"function_option": "..."}'
   • ❌ 错误：--input-configs {"function_option": "..."}
2. 安全与配额: 严禁泄露 API Key，注意 A0211 配额限制
3. 图片大小: 本地文件最大 5MB，支持 jpg/jpeg/png/gif/bmp/webp/tiff/wbmp/webp 格式

🔗 相关资源

• 夸克扫描王开放平台
• API 通用规范（可选参考）
• 场景文件目录