Image Text Extractor

图片文字提取器

任务目标

• 本 Skill 用于：批量处理用户上传的图片，识别并提取每张图片中的文字内容
• 能力包含：图片OCR识别、文字内容整理、分段输出、文档生成
• 触发条件：用户上传一张或多张图片，并要求提取文字、识别内容、转为文档

操作步骤

步骤1：接收图片

• 引导用户上传图片（支持批量上传）
• 接受的图片格式：PNG、JPG、JPEG、GIF、WebP等常见格式
• 确认图片数量和顺序

步骤2：识别文字内容

• 对每张图片调用 read_image 工具进行文字识别
• 识别参数设置：
  • prompt: "提取图片中的所有文字内容，保持原有的段落和格式"
• 按图片上传顺序依次处理

步骤3：整理识别结果

• 为每张图片的文字内容添加清晰的图片标识（如"图片1"、"图片2"）
• 保留原文的段落结构和格式
• 如识别到标题、正文、列表等结构，保持原有层次

步骤4：生成文档

• 将整理好的内容按标准格式生成Markdown文档