文件OCR解析

得理 OCR 文件解析

Instructions

将文件转换为可继续分析的 Markdown 或文本。默认把当前 Agent 或平台的原生文件解析能力放在第一优先级；得理 OCR 只作为兜底能力。

前置工作

命中本 skill 后，如需要调用得理 OCR、文件解析、PDF 转 Markdown、图片 OCR、OFD 解析或后端能力，必须先执行 deli-cli 通用前置。

完成 CLI 前置检查后，通过当前 skill scope 发现命令，并以当次返回的 RUN id、命令名和参数形态执行；不得假设固定命令或固定参数存在。

如果 CLI 未配置、不可用或未返回覆盖当前任务的命令，应先说明“命令不可用”或“解析受限”，并给出需要用户补充的文件、格式转换或重新扫描建议，不得改用旧本地脚本或直接请求接口。

1. 先尝试原生解析

对每个文件先使用当前 Agent 或平台已有能力解析：

• PDF：先尝试平台 PDF 解析、pdfplumber、PyMuPDF 或同类本地解析。
• 图片或扫描件：先尝试平台视觉模型、多模态识别或内置 OCR 工具。
• Office 或表格：先尝试平台能力或 python-docx、openpyxl、CSV/JSON 解析。
• 文本、HTML、Markdown：直接读取或转换，不调用 OCR。

满足以下条件时，视为原生解析成功，不要调用得理 OCR：

• 提取文本非空，且不是大量乱码、重复页眉页脚或无意义字符。
• 扫描版 PDF 的关键页已经得到可读文字。
• 用户没有明确要求改用得理 OCR。

2. 失败时再调用得理 OCR

只有出现以下情况才使用 deli-cli OCR 命令：

• 扫描版 PDF、图片、OFD 或票据图片无法被当前 Agent 解析。
• 原生解析结果为空、缺页、乱码，或表格、票据关键信息无法识别。
• 用户明确说“用得理 OCR”“调用 OCR”“这个文件 agent 解析不了”“扫描版识别一下”。

调用前先阅读 OCR 文件解析 CLI 场景指南，按当次 cmds 返回的命令和参数组织输入文件、输出目录、语言、任务类型和是否保存原始响应。

3. 批量文件处理

对目录中的多个文件逐个判断，避免对已经能解析的文件重复调用 OCR。

建议输出到单独目录：

parsed/
├── 01_合同扫描件.md
├── 02_付款回单.md
└── raw_response/

后续证据整理、合同审查、法律意见书等任务应直接使用已解析的 Markdown 或文本结果。

支持格式

得理 OCR 常见支持格式如下；实际以当次 cmds 返回能力为准：

如果文件格式不支持，先提示用户转换格式，不要调用 OCR。

输出要求

OCR 或文件解析完成后，至少说明：

• 原始文件名
• 输出 Markdown 或文本文件路径
• 是否保存原始响应
• 是否存在缺页、乱码、表格错位、印章或手写识别不确定
• 后续可交给哪个 skill 或分析流程继续处理

使用注意

1. 不要因为 CLI 已配置 API Key 就自动调用得理 OCR；必须先判断原生解析是否失败或用户是否明确要求。
2. 不要把大段解析文本通过命令行参数传给其他脚本；先写入 .md 或 .txt 文件。
3. 始终保留原始文件，不要原地覆盖。
4. OCR 结果必须提醒用户复核，尤其是金额、日期、姓名、案号、发票号码和银行账号。
5. 处理敏感材料时，只输出任务所需的解析结果，不在对话中粘贴完整隐私内容。

参考资源

• deli-cli 通用前置
• OCR 文件解析 CLI 场景指南