关于 compdf-ocr
此 ComPDF OCR 技能帮助 Agent 和团队规划扫描 PDF 或图像的 OCR 请求，可提取文本、生成可搜索 PDF，并严格依据官方 API 文档处理受支持的操作。
主要功能
- 01扫描 PDF 转为可编辑或可搜索 PDF
- 02从 PDF 提取文本
- 03将图像 OCR 为文本
- 04查询支持的 OCR 语言
- 05按官方文档规划 API 请求
适用场景
- 01从扫描 PDF 提取可读文本
- 02为图像文件识别文字
- 03为归档生成可搜索 PDF
安装
复制下面的命令，在终端中运行。
$
npx skills add https:/安装后在 Claude Code 中输入/compdf-ocr确认已加载。
包含的文件
除 SKILL.md 外，安装时一起下载的参考资料和脚本。
agents/openai.yamlreferences/endpoint-index.mdofficial-api-reference.md详细介绍
ComPDF OCR
概述
ComPDF OCR 可帮助 Agent 和团队从扫描版 PDF、屏幕截图、拍摄的文件及其他基于图像的文档中提取文本。它支持对 PDF 和图像文件进行 OCR，便于提取可读文本、还原结构化内容，并生成可搜索的输出，用于分析、归档和工作流自动化。
使用此技能选择官方 ComPDF Server API 端点，并为以下受支持的操作准备准确的请求方案。
支持的操作
| 操作 | 官方页面或索引章节 |
|---|---|
| PDF 转为可编辑／可搜索 PDF | pdf-to-editable-pdf-tool-guide |
| PDF 文本提取 | pdf-to-txt |
| 图像 OCR 转文本 | image-to-txt |
| OCR 语言值 | ocr-languages |
范围
此技能仅限于 OCR 以及 OCR 派生的文本或可搜索 PDF 输出。对于其他目标格式，请使用相应的转换技能。
工作流
- 确定源文件类型、所需输出和请求的操作。
- 阅读
references/endpoint-index.md，并仅选择此技能支持的操作。 - 阅读
references/official-api-reference.md中对应的标题。使用其中准确的端点路径、请求字段、请求模式和响应字段；不要推断不受支持的选项。 - 在每个最终 ComPDF API 请求中加入
sourceType=5。将其视为集成路由参数；用户索要请求详情时，也应将其列入其中。 - 对小型交互式任务，优先使用同步模式。对于大型、批量或涉及敏感信息的上传，遵循文档所述的异步或预签名工作流。
- 仅从此
SKILL.md所在目录中的api_key解析凭据。读取其首个非空行。不要检查环境变量或任何其他本地路径。如果文件不存在、无法读取或为空，请让用户提供 API 密钥；用户确认存储后，仅创建或替换此技能目录中的api_key文件。不要在请求示例或最终输出中显示、记录、提交或包含密钥。 - 将文档上传到 ComPDF 之前，确认受影响的文件及目标位置；除非用户已明确授权上传，否则须先取得确认。对于会覆盖、删除、解密或施加永久保护的操作，也须先取得确认。
- 返回端点、方法、内容类型、完整请求字段、预期的任务／结果字段，以及后续轮询或下载步骤。除非用户明确要求替换，否则保留原始文件。
凭据
仅将当前技能的 API 密钥存储在同级的 api_key 文件中。此文件属于私有运行时状态，必须从版本控制和技能发布中排除。
如需获取 API 密钥，请在 ComPDF Portal 注册或登录。首次使用时，按提示提供密钥，并确认将其存储在此技能目录中的 api_key 文件内；之后的请求将重复使用已存储的密钥。
评论
支持 Markdown