glmocr

关于 glmocr

以下情况触发：（1）用户想从图像/PDF/扫描文档中提取文本、表格、公式或结构化数据；（2）用户提到“OCR”“文字识别”“文档解析”；（3）用户有文档（截图、扫描页、发票、论文、白板照片），需要以结构化形式获取其内容；（4）用户要求解析、数字化或提取视觉文档中的内容。调用 GLM-OCR SDK（pip install glmocr），通过智谱云 API 解析文档。无需 GPU。返回结构化 JSON（含标签和边界框的区域）及 Markdown。Agent 可完全通过 CLI 运行，无需 YAML 文件。不适用于实时摄像头画面、音频转录或非文档图像（照片、插画）。