图片内容提取技能 v2.0
统一图片内容提取技能，集成terminal-ocr功能，支持智能模式检测，自动提取内容并生成Markdown格式。
🎯 核心特性
⭐ 三大模式支持
终端模式（Terminal） - 专门处理终端/命令行截图
- 自动识别命令、路径、错误信息
- 等宽字体优化
- 命令高亮显示
文档模式（Document） - 专门处理文档截图
- 智能标题检测（数字编号/中文编号/Markdown标题）
- 列表识别和格式化
- 代码块检测
通用模式（General） - 适用于各种类型图片
- 自动检测图片类型
- 通用结构分析
- 灵活配置
⭐ 智能功能
- 自动模式检测 - 根据图片特征自动选择最佳模式
- 智能分块 - 基于内容边界自动分割超长图片
- 智能合并 - 自动检测重叠内容，精准拼接
- 结构识别 - 标题/段落/列表/代码块自动识别
⭐ 技术优势
- 统一代码库 - 一个技能，多模式支持
- 模块化设计 - core（核心）+ modes（模式）架构
- 高可扩展 - 易于添加新模式
- 知识库集成 - 自动更新QMD索引
🚀 使用方式
基础使用
# 自动检测模式（推荐）
python3 scripts/extract.py /path/to/image.png
# 指定模式
python3 scripts/extract.py /path/to/terminal.png --mode terminal
python3 scripts/extract.py /path/to/document.png --mode document
python3 scripts/extract.py /path/to/image.png --mode general
# 保存到文件
python3 scripts/extract.py /path/to/image.png -o output.md
# 保存到知识库
python3 scripts/extract.py /path/to/image.png \
-k -c testing -t "测试用例设计"
# 详细输出
python3 scripts/extract.py /path/to/image.png -v
批量处理
# 批量处理整个目录
python3 scripts/extract.py /path/to/images/ \
--batch \
-k -c knowledge
# 指定模式批量处理
python3 scripts/extract.py /path/to/screenshots/ \
--batch \
--mode terminal \
-k -c terminal-logs
AI调用方式
用户：[发送终端截图]
AI：[自动检测terminal模式] → 提取命令 → 格式化输出
用户：[发送DeepSeek分享截图]
AI：[自动检测document模式] → 提取内容 → 生成Markdown
用户：[发送普通图片]
AI：[使用general模式] → 提取文本 → 结构化输出
🛠️ 技术架构
文件结构
image-content-extractor/
├── SKILL.md # 本文档
├── README.md # 快速开始
├── package.json # 技能元数据
├── install.sh # 安装脚本
├── config/
│ └── extractor-config.json # 配置文件
├── core/ # 核心模块
│ ├── __init__.py
│ ├── ocr.py # OCR引擎管理
│ ├── preprocess.py # 图片预处理
│ ├── merge.py # 内容合并
│ └── structure.py # 结构分析
├── modes/ # 模式模块
│ ├── __init__.py
│ ├── terminal.py # 终端模式
│ ├── document.py # 文档模式
│ └── general.py # 通用模式
└── scripts/
└── extract.py # 主入口
处理流程
1. 图片输入
↓
2. 自动模式检测（可选）
↓
3. 模式特定预处理
↓
4. 智能分块
↓
5. OCR识别（Tesseract + AI备用）
↓
6. 智能合并
↓
7. 结构分析
↓
8. Markdown生成
↓
9. 模式特定后处理
↓
10. 输出/知识库集成
💡 使用场景
场景1：终端命令行截图
输入：终端截图（黑色背景，白色文字）
AI：[terminal模式] → 提取命令 → 高亮显示
输出示例：
```bash
$ npm install
/usr/local/bin
❌ Error: Package not found
### 场景2：DeepSeek分享截图
输入：DeepSeek长截图（43,936像素） AI：[document模式] → 识别8大模块 → 生成Markdown
输出：
测试用例设计指南
提取时间: 2026-03-06 09:20
目录
### 场景3：知识库建设
输入：批量技术文档截图 AI：[batch模式] → 自动分类 → 更新索引 → Git提交
结果：
- 自动识别10个文档
- 分类到knowledge/testing
- 更新QMD索引
## 🔧 配置选项
### extractor-config.json
```json
{
"ocr": {
"engine": "tesseract",
"languages": ["chi_sim", "eng"],
"fallback_to_ai": true,
"config": "--psm 6 --oem 3",
"timeout": 30
},
"preprocessing": {
"block_height": 2000,
"overlap_height": 100,
"min_block_height": 500,
"contrast_enhancement": 1.5,
"binary_threshold": 150
},
"structure_detection": {
"detect_headers": true,
"detect_lists": true,
"detect_code_blocks": true,
"detect_tables": true
},
"output": {
"format": "markdown",
"add_toc": true,
"add_metadata": true
},
"knowledge_base": {
"auto_index": true,
"auto_commit": false,
"default_category": "uncategorized"
}
}
📈 性能指标
| 指标 | 目标 | 实际 |
|---|---|---|
| 识别准确率 | > 95% | 待测试 |
| 处理速度 | < 15秒/图 | 待测试 |
| 模式检测准确率 | > 90% | 待测试 |
| 最大图片尺寸 | 50000px | ✅ |
| 批量处理 | 支持 | ✅ |
🎓 最佳实践
1. 图片质量优化
- 分辨率 ≥ 1500px宽度
- 对比度清晰（黑白对比最佳）
- 避免压缩过度
2. 模式选择
- 终端截图：使用terminal模式（或auto）
- 文档截图：使用document模式（或auto）
- 不确定类型：使用auto模式
3. 知识库集成
- 选择合适的分类（如testing、ai-system等）
- 添加描述性标题
- 定期更新索引
4. 批量处理
- 按类型分目录处理
- 使用统一的分类命名
- 检查处理结果
🔄 与旧版本对比
terminal-ocr（旧版）
- 仅支持终端截图
- 单一模式
- 独立维护
image-content-extractor v2.0（新版）
- ✅ 支持终端/文档/通用三种模式
- ✅ 自动模式检测
- ✅ 统一代码库
- ✅ 模块化架构
- ✅ 更易维护和扩展
📝 更新日志
v2.0.0 (2026-03-06) - 统一版本
- ✅ 集成terminal-ocr功能
- ✅ 三大模式支持（terminal/document/general）
- ✅ 自动模式检测
- ✅ 模块化架构（core + modes）
- ✅ 统一配置和接口
- ✅ 批量处理支持
v1.0.0 (2026-03-06) - 初始版本
- ✅ 基础内容提取
- ✅ Markdown输出
- ✅ 知识库集成
🚀 未来规划
短期（v2.1）
- 支持PDF文件
- 云端OCR集成（百度/腾讯）
- 实时预览
中期（v2.5）
- 更多模式支持（表格/图表）
- AI内容摘要
- 多语言支持
长期（v3.0）
- 在线编辑器
- 团队协作
- 智能推荐
🔗 相关链接
- terminal-ocr技能（已集成）
- 知识库系统（QMD）
- ClawHub（待发布）
图片内容提取技能 v2.0 - 统一版本，更强大更灵活 版本：2.0.0 创建：2026-03-06 更新：2026-03-06