AI turns documents or topics into real, native PowerPoint decks—with native shapes, transitions and animations, data-backed charts and tables on demand, audio narration from speaker notes, and support for your own .pptx templates. · by Hugo He
feat(skills): 新增多模态 OCR 图片转 Markdown 技能配置
hugohe3f89d8ca73072
diff --git a/.agent/skills/ocr_image_to_markdown/SKILL.md b/.agent/skills/ocr_image_to_markdown/SKILL.mdnew file mode 100644index 00000000..e650b1f6--- /dev/null+++ b/.agent/skills/ocr_image_to_markdown/SKILL.md@@ -0,0 +1,47 @@+---+name: OCR Image to Markdown+description: 鉴于本地 OCR 工具的缺失,本技能利用 Agent 的多模态能力来查看图像(PNG, JPG 等)并将内容(文本、表格、逻辑图)转录为格式化的 Markdown。+---++# OCR 图像识别转 Markdown++本技能允许你“阅读”图片并将内容转换为可编辑的 Markdown 文本。这在提取数据表格、幻灯片内容或文档截图时特别有用,尤其是当无法使用外部 OCR 库时。++## 使用指南++1. **确认目标图片**:+ * 定位你需要处理的图片文件。+ * 如有需要,使用 `list_dir` 浏览目录。++2. **查看图片**:+ * 使用 `view_file` 工具来“看”图片内容。系统允许你直接处理图像数据。+ * **关键**: 你必须对图片路径使用 `view_file`,这样你的视觉模型才能消化它。++3. **转录内容**:+ * 基于你所看到的,将文本转录为 Markdown。+ * **表格**: 将视觉看到的表格转换为标准 Markdown 表格 (`| 表头 | ... |`)。+ * **标题**: 使用 `#`, `##` 等来标记图片中的标题,保持层级结构。+ * **文本**: 将段落转录为普通文本。+ * **数字**: 仔细核对所有数字,特别是财务报表中的数据。++4. **保存输出**:+ * 使用 `write_to_file` 将转录的内容写入 `.md` 文件(例如 `ocr_results.md`)。+ * 如果处理多张图片,考虑将其追加到同一个文件中,或按逻辑组织。++## 最佳实践技巧++* **表格**: 仔细对齐行和列。标准 Markdown 表格不支持单元格合并(rowspan/colspan)。你需要根据逻辑流将合并的单元格展开,或者留空。+* **复杂布局**: 如果图片布局复杂(例如左右分栏),请按照逻辑阅读顺序(从上到下,从左到右)将其序列化。+* **图表/图形**: 如果图片包含图表,请描述趋势,或者将可见的数据点提取为列表或表格。+* **无需代码执行**: **不要** 试图编写或使用 Python 库(如 `pytesseract`, `easyocr`, `PIL`)来进行文本提取。请直接利用你自身的视觉能力。++## 示例场景++**请求**: "把这 3 张财务报告的截图转为 markdown。"++**执行**:+1. `list_dir` 查看文件: `img1.png`, `img2.png`, `img3.png`。+2. `view_file` 读取 `img1.png`。+3. (内部处理): 识别表头 "Q1 Revenue" 和表格行数据。+4. `view_file` 读取 `img2.png` 和 `img3.png`。+5. `write_to_file` 创建 `financial_report.md` 并写入汇总的内容。