yj-ocr-parser
/yj-ocr-parser
文档解析技能,用于解析PDF文档和图片(jpg/png/jpeg)并将其转换为Markdown格式输出。支持标题层级、表格(HTML格式)、公式(LaTeX格式)、图片(链接形式)等复杂内容的解析。当用户提到"解析PDF"、"文档解析"、"PDF转Markdown"、"提取PDF内容"、"解析文档"、"文档内容提取"、"PDF内容识别"、"图片解析"、"图片转文字"、"识别图片内容"等场景时使用此技能。即使用户只是要求读取或查看PDF/图片文件内容,也应考虑使用此技能。
- Author
- unicomai ↗
- Repository
- wanwu ↗
- Licence
- Apache-2.0
- Last repository change
- 24.10.2026
Assessment and security
- Files in this package
- 1
- Scripts
- 0
- HTML comments
- 0
- URLs in SKILL.md
- 3
No signals detected. Repository changed on 24.10.2026, without references to retired models or APIs.
Apache-2.0, otwarta: można używać i zmieniać, z zachowaniem licencji i informacji o zmianach.
What it does and when to use it
文档解析技能,用于解析PDF文档和图片(jpg/png/jpeg)并将其转换为Markdown格式输出。支持标题层级、表格(HTML格式)、公式(LaTeX格式)、图片(链接形式)等复杂内容的解析。当用户提到"解析PDF"、"文档解析"、"PDF转Markdown"、"提取PDF内容"、"解析文档"、"文档内容提取"、"PDF内容识别"、"图片解析"、"图片转文字"、"识别图片内容"等场景时使用此技能。即使用户只是要求读取或查看PDF/图片文件内容,也应考虑使用此技能。
Triggers from the description
Original author description
文档解析技能,用于解析PDF文档和图片(jpg/png/jpeg)并将其转换为Markdown格式输出。支持标题层级、表格(HTML格式)、公式(LaTeX格式)、图片(链接形式)等复杂内容的解析。当用户提到"解析PDF"、"文档解析"、"PDF转Markdown"、"提取PDF内容"、"解析文档"、"文档内容提取"、"PDF内容识别"、"图片解析"、"图片转文字"、"识别图片内容"等场景时使用此技能。即使用户只是要求读取或查看PDF/图片文件内容,也应考虑使用此技能。
How it works
- 适用场景
- 变量要求
- 使用步骤
- API 调用方式
- 执行流程
- 返回结果处理
- 注意事项
- 示例
SKILL.md preview
---
name: yj-ocr-parser
description: 文档解析技能,用于解析PDF文档和图片(jpg/png/jpeg)并将其转换为Markdown格式输出。支持标题层级、表格(HTML格式)、公式(LaTeX格式)、图片(链接形式)等复杂内容的解析。当用户提到"解析PDF"、"文档解析"、"PDF转Markdown"、"提取PDF内容"、"解析文档"、"文档内容提取"、"PDF内容识别"、"图片解析"、"图片转文字"、"识别图片内容"等场景时使用此技能。即使用户只是要求读取或查看PDF/图片文件内容,也应考虑使用此技能。
---
# 文档解析技能(yj-ocr-parser)
本技能调用文档解析模型 API,将 PDF 文件和图片(jpg/png/jpeg)解析为结构化的 Markdown 格式内容,支持标题层级、表格、公式、图片等复杂元素的提取与转换。
## 适用场景
- 用户需要解析 PDF 文档或图片(jpg/png/jpeg)并获取 Markdown 格式内容
- 用户需要提取 PDF/图片中的表格、公式、图片等信息
- 用户需要将 PDF 文档或图片内容转换为可编辑的文本格式
- 用户提到"解析文档"、"PDF转MD"、"提取文档内容"、"图片解析"、"图片转文字"等需求
## 变量要求
- 本技能需要 `MaaS_model_token`,其值为文档解析 API 的访问令牌(Access Token)
- 平台会把已配置的技能变量**注入到系统提示中**,形如 `MaaS_model_token = <token>`,位于"已为当前技能配置"的变量列表里。请**直接使用系统提示中提供的该变量值**,不要依赖 shell 环境变量(沙箱中不会导出 `$MaaS_model_token`)
- 如系统提示中未提供该变量,需提醒用户:请在技能变量中配置 `MaaS_model_token`,值为有效的 API 访问令牌
## 使用步骤
1. **确认文件**:确认用户提供了本地 PDF 或图片(jpg/png/jpeg)文件路径
2. **检查格式**:验证文件扩展名是否为支持的格式(pdf、jpg、jpeg、png),不支持 SVG 等矢量图格式
3. **获取变量值**:从系统提示中"已为当前技能配置"的变量列表读取 `MaaS_model_token` 的值
4. **调用 API**:使用 curl 发送 multipart/form-data 请求
5. **返回结果**:将解析结果呈现给用户
## API 调用方式
使用以下 curl 命令调用文档解析 API:
```bash
curl --location 'https://maas-api.ai-yuanjing.com/openapi/v1/rag/model_parser_file' \
--header 'Authorization: Bearer {MaaS_model_token}' \
-F 'file=@"{本地文件路径}"' \
-F 'file_name={文件名}'
```
> 注:`{MaaS_model_token}` 需替换为系统提示中"已为当前技能配置"列出的该变量值,而非 shell 环境变量展开(`$MaaS_model_token` 在沙箱中为空)。
### 参数说明
| 参数名 | 必选 | 类型 | 说明 |
|--------|------|------|------|
| file | 是 | multipart file | 需解析的文件本地路径,支持 PDF 和图片(jpg/jpeg/png),以文件流形式上传 |
| file_name | 是 | string | 文档名称,例如:test.pdf、image.jpg |
### 认证方式
请求头中需携带 `Authorization: Bearer {MaaS_model_token}`,其中 `{MaaS_model_token}` 取自系统提示中为本技能配置的变量值(直接填入该值,不要使用 shell 环境变量)。
## 执行流程
当用户请求解析 PDF 文档或图片时,按以下步骤执行:
1. 获取用户提供的文件路径,验证文件存在且为支持的格式(pdf、jpg、jpeg、png)
2. 若文件为不支持的格式(如 SVG、gif、bmp 等),提示用户仅支持 PDF 和图片(jpg/jpeg/png)
3. 从系统提示中"已为当前技能配置"的变量列表读取 `MaaS_model_token` 的值,若未提供则提示用户在技能变量中配置
4. 提取文件名(从路径中获取文件名部分)
5. 执行 curl 命令调用 API
6. 检查返回结果:
- `code` 为 `"200"` 表示成功,返回 `content` 字段中的 Markdown 内容
- `code` 为 `"400"` 表示请求参数错误,提示用户检查文件和参数
- `code` 为 `"429"` 表示令牌限流,提示用户稍后重试
- `code` 为 `"500"` 表示服务内部错误,提示用户稍后重试
7. 将解析出的 Markdown 内容呈现给用户
## 返回结果处理
API 成功返回时的响应结构:
```json
{
"code": "200",
"status": "success",
"message": "文档处理完成",
"content": "解析出的Markdown内容",
"trace_id": "请求追踪ID"
}
```
- `content`:主要字段,包含解析出的 Markdown 格式内容,其中表格以 HTML 格式表示,公式以 LaTeX 格式表示,图片以链接形式输出
## 注意事项
- 支持 PDF 文件和图片文件(jpg、jpeg、png),不支持 SVG 等矢量图格式
- 文件大小限制为 20MB,大文件建议拆分为小文件后解析
- API 访问频率限制为 3 次/分钟
- 使用前需确保已开通相关权限
- 该接口为同步调用,大文件解析可能需要较长时间,请耐心等待
## 示例
**用户输入**:解析 /home/user/documents/report.pdf
**执行命令**:
```bash
curl --location 'https://maas-api.ai-yuanjing.com/openapi/v1/rag/model_parser_file' \
--header 'Authorization: Bearer <填入系统提示中提供的 MaaS_model_token 值>' \
-F 'file=@"/home/user/documents/report.pdf"' \
-F 'file_name=report.pdf'
```
**用户输入**:解析 /home/user/images/photo.jpg
**执行命令**:
```bash
curl --location 'https://maas-api.ai-yuanjing.com/openapi/v1/rag/model_parser_file' \
--header 'Authorization: Bearer <填入系统提示中提供的 MaaS_model_token 值>' \
-F 'file=@"/home/user/images/photo.jpg"' \
-F 'file_name=photo.jpg'
```
**输出**:将 API 返回的 `content` 字段内容以 Markdown 格式展示给用户。
Versions
The database has no other skills named yj-ocr-parser.
Identical content appears in 1 other GitHub folders. We show one copy with the highest score.
Database snapshot: 13.11.2026 · package version c5c62f3286a1 (SHA-256 digest of the entire package)
Downloads in the last 30 days: 0 · ranking
Report a problem with this skill: harmful content, incorrect descriptions or an author’s removal request.
Similar skills
- 98local-ocr
批量 OCR:处理较多页数的、以文本为主的扫描版 PDF(先渲染成图片再逐页识别),或批量纯文字图片(试卷/文档截图/书页照片等需要查看具体文字内容的图片)。注意是纯文字图片——只提取图中文字、公式(LaTeX)、表格(Markdown),不能理解几何图形和图表结构。当前模型无视觉能力而任务需要读图文字时也用它。触发词:OCR、识别图片、批量识别、提取文字、扫描件、读 PDF 内容。 - 100convert-image-to-jpg
Convert local image files from common raster formats into JPG while setting a target DPI (default 96). Use when Codex needs to convert a file or folder of images such as HEIC, HEIF, PNG, TIFF, WebP, BMP, GIF, AVIF, or JPEG into `.jpg` for upload, OCR, archiving, or tools that require JPEG output. - 100compdf-conversion-cli
MUST use for ANY PDF or image format conversion task — converting PDF and images (JPG/JPEG/PNG/BMP/TIFF/TIF/WEBP/JPEG2000) to 10 formats (Word, Excel, PPT, HTML, Image, TXT, JSON, Markdown, RTF, CSV) with AI layout analysis and OCR support. This skill takes PRIORITY over pdf,… - 100screen-ocr
读取用户给出的截图/图片文件,提取文字、表格转 Markdown、识别代码、公式转 LaTeX、解读报错。当用户说"读一下这张截图"、"把这个表格截图转成 Markdown"、"这段报错截图什么意思"、"把图里的代码抠出来"、"OCR this screenshot"、"extract this table from the image"时使用。只处理用户显式给出的图片文件,不做实时截屏。 - 96document-parsing
文档解析技能。当用户需要从 PDF、Word、Excel、图片(OCR)等文档中提取文本与结构化内容时使用。 - 98image-ocr
Extract text from images with Tesseract OCR; use it when you need to recognize text from PNG/JPEG/TIFF/BMP images, select a language model, or run OCR via natural-language requests (e.g., "Interpret the image at C:\path\image.png").