Image Content Extractor

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

1. 测试用例设计技术
2. 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

🎓 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