Document Parse Ocr

Sugon-Scnet 文档智能 OCR 技能

本技能封装了 Scnet OCR 文档智能服务的异步 API，支持提交公网可访问的文件 URL，自动进行文档解析（文本、表格、标题等），并通过轮询获取识别结果。

功能特性

• 异步处理：适用于大批量文档，无需长时间等待同步响应
• 结构化解析：自动识别文档中的段落、标题、表格、图表、公式、页眉页脚、脚注、印章等元素
• 结果下载：任务成功后返回结果文件的临时下载地址（有效期为 12 小时）
• Markdown 输出：自动生成整页的 Markdown 内容，并映射图片/印章路径

前置配置

⚠️ 重要：使用前需要申请 Scnet API Token

申请 API Token

1. 访问 Scnet 官网 注册/登录
2. 在控制台申请 API 密钥（格式：sc-xxxxxxxxxxxxxxxxxxxxxxxxxxxxxxxx）
3. 复制密钥备用

配置 Token

手动配置（推荐）

1. 在技能目录下创建 config/.env 文件，内容如下：

# =====  Sugon-Scnet OCR API 配置 =====
# 申请地址：https://www.scnet.cn
SCNET_API_KEY=your_scnet_api_key_here

# API 基础地址（一般无需修改）
SCNET_API_BASE=https://api.scnet.cn/api/llm/v1

2.添加：SCNET_API_KEY=你的密钥

3.设置文件权限为 600（仅所有者可读写） ⚠️ 安全警告：切勿将 API Key 直接粘贴到聊天对话中，否则可能被记录或泄露。

Token 更新

Token 过期后调用会返回 401 或 403 错误。更新方法：重新申请 Token 并替换 config/.env 中的 SCNET_API_KEY。

依赖安装

本技能需要 Python 3.6+ 和 requests 库。请运行以下命令：

   pip install requests

---

使用方法

参数说明

命令行调用示例

   python .claude/skills/document_parse_ocr/scripts/main.py DOC_PARSING "https://example.com/document.pdf"

如果省略 ocrType，可只传 fileUrl：

   python scripts/main.py "https://example.com/document.pdf"

在 AI 对话中使用

用户可以说：

• “帮我解析这个文档：https://example.com/report.pdf”
• “对这份合同进行 OCR 识别，文件地址是 https://...”

AI 会根据 description 中的关键词自动触发本技能。

AI 调用建议

由于任务异步处理，技能内部会自动轮询（最长等待 10 分钟，可配置）。建议在调用时设置较长的 timeout（如 600 秒），避免因轮询超时导致命令中断.

配置选项

编辑 config/.env 文件：

输出

• 标准输出：识别结果的 JSON 格式。若任务成功，输出解析后的文档内容（即结果文件中的 JSON 对象）；若失败，输出错误信息。
• 错误信息：以 错误: 开头的友好提示。

注意事项

• 文件 URL 必须是公网可访问的下载链接（不支持本地文件路径）。如需识别本地文件，请先上传至对象存储或临时文件服务。
• 结果文件下载地址有效期为 12 小时，请及时获取。
• 异步任务最长处理时间取决于文档大小和复杂度，轮询超时默认 600 秒（10 分钟），可通过修改 POLL_TIMEOUT 变量调整。
• 技能内部会处理限流（429）重试，最多重试 3 次。

故障排除