SKILL: image-content-extractor Slug: image-content-extractor Version: 2.0.0 Author: 02011b3b8766ebe1e545a44b0949b2dd0af5bdb3e6dc94ed5e2e50e875ad8a1f1e Author BAP ID: 02011b3b8766ebe1...ad8a1f1e DESCRIPTION: 统一图片内容提取技能。智能识别终端/文档/通用模式,自动提取内容生成Markdown。 STATS: Stars: 0 Downloads (30d): 0 Downloads (all-time): 0 SKILL.md: -------------------------------------------------------------------------------- # 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 ```bash # 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 ```bash # 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 1. [测试用例设计技术](#测试用例设计技术) 2. [三端测试方案](#三端测试方案) ... ``` ### 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* -------------------------------------------------------------------------------- Created: 2026-03-11T05:02:01.332Z Updated: 2026-03-11T05:02:01.332Z