# Bigmodel Ocr

> >

- **Type:** Skill
- **Install:** `agentstack add skill-youyouhe-bidsmart-claude-skills-bigmodel-ocr`
- **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior
- **Seller:** [youyouhe](https://agentstack.voostack.com/s/youyouhe)
- **Installs:** 0
- **Category:** [Content & Media](https://agentstack.voostack.com/c/content-and-media)
- **Latest version:** 0.1.0
- **License:** MIT
- **Upstream author:** [youyouhe](https://github.com/youyouhe)
- **Source:** https://github.com/youyouhe/bidsmart-claude-skills/tree/master/skills/bigmodel-ocr

## Install

```sh
agentstack add skill-youyouhe-bidsmart-claude-skills-bigmodel-ocr
```

Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent.

## About

# BigModel OCR 文字识别

## 概述

基于智谱 BigModel OCR API 的文字识别工具，专为中文文档场景优化。
支持 PDF 扫描件和图片文件，内置缓存机制，避免重复消耗 API 调用。

## 环境要求

- Python 3.9+
- 依赖包：`requests`, `PyMuPDF`（PDF 场景需要）
- 环境变量：`BIGMODEL_API_KEY`（智谱 API 密钥）

安装依赖：
```bash
pip install requests PyMuPDF
```

## 使用方式

### 1. OCR PDF 页面

对 PDF 的指定页面进行 OCR 识别：

```bash
python .claude/skills/bigmodel-ocr/scripts/bigmodel_ocr.py  --pages 1-3 --output ocr_result.json
```

参数说明：
- ``：PDF 文件路径
- `--pages`：页码范围，支持 `1-3`、`1,3,5`、`1-3,7,10-12` 等格式
- `--output`：输出 JSON 文件路径（不指定则输出到 stdout）
- `--cache-dir`：缓存目录（默认 `.ocr_cache`）
- `--dpi`：渲染 DPI（默认 300，越高越清晰但越慢）
- `--tool-type`：OCR 模式，`hand_write`（手写+印刷混合，默认）或 `ocr`（纯印刷体）

### 2. OCR 单张图片

直接对图片文件进行 OCR：

```bash
python .claude/skills/bigmodel-ocr/scripts/bigmodel_ocr.py  --output ocr_result.json
```

支持的图片格式：JPEG、PNG、TIFF、BMP、WebP

### 3. 批量 OCR 多个文件

```bash
python .claude/skills/bigmodel-ocr/scripts/bigmodel_ocr.py file1.pdf file2.jpg file3.png --pages 1-5 --output ocr_result.json
```

对多文件逐一处理，结果合并输出。PDF 使用 `--pages` 指定页码，图片直接识别。

## 输出格式

```json
{
  "results": [
    {
      "source": "document.pdf",
      "type": "pdf",
      "pages": [
        {
          "page": 1,
          "text": "识别出的文本内容...",
          "tokens": 256,
          "has_table": false,
          "cached": false
        }
      ]
    },
    {
      "source": "cert.jpg",
      "type": "image",
      "pages": [
        {
          "page": 1,
          "text": "证书文本内容...",
          "tokens": 128,
          "has_table": false,
          "cached": false
        }
      ]
    }
  ],
  "summary": {
    "total_files": 2,
    "total_pages": 3,
    "success_pages": 3,
    "failed_pages": 0,
    "total_tokens": 384
  }
}
```

## 与 MaterialHub 配合使用

典型流程：

1. **OCR 识别**：使用本 skill 提取文档文字
2. **Claude 分析**：Claude 阅读 OCR 文本，判断文档类型、提取关键信息
3. **入库**：调用 MaterialHub MCP 的 `add_document` 工具，带上分类结果直接入库

示例工作流：
```
# Step 1: OCR
python .claude/skills/bigmodel-ocr/scripts/bigmodel_ocr.py 营业执照.pdf --pages 1 --output ocr.json

# Step 2: 读取 ocr.json，Claude 分析内容，识别为营业执照，提取公司名等信息

# Step 3: 调用 MCP add_document 入库
```

## 缓存机制

- 基于文件内容哈希（文件大小 + 前 8KB SHA256），同一文件不会重复 OCR
- 缓存存储在 `--cache-dir` 指定目录（默认 `.ocr_cache`）
- 输出 JSON 中 `cached: true` 标识命中缓存的页面
- 清除缓存：删除缓存目录即可

## 注意事项

- BigModel OCR API 按调用次数计费，建议合理使用缓存
- 对于多页 PDF，建议只 OCR 关键页面（如前 3 页），避免不必要的消耗
- `hand_write` 模式同时支持手写和印刷体，适合大多数场景
- 图片分辨率越高识别越准确，PDF 默认 300 DPI 渲染

## Source & license

This open-source skill is cataloged on AgentStack and links to its original source — we do not rehost the code.

- **Author:** [youyouhe](https://github.com/youyouhe)
- **Source:** [youyouhe/bidsmart-claude-skills](https://github.com/youyouhe/bidsmart-claude-skills)
- **License:** MIT

Install and usage instructions live in the source repository linked above.

## Pricing

- **Free** — Free

## Security capabilities

Automated source analysis of v0.1.0 — what this tool can access:

- **Network access:** no
- **Filesystem access:** no
- **Shell / process execution:** no
- **Environment & secrets:** no
- **Dynamic code execution:** no

*"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.*


## Versions

- **0.1.0** — security scan: passed — Imported from the upstream source.

## Links

- Listing page: https://agentstack.voostack.com/l/skill-youyouhe-bidsmart-claude-skills-bigmodel-ocr
- Seller: https://agentstack.voostack.com/s/youyouhe
- Browse the marketplace: https://agentstack.voostack.com/browse

---
Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.