Quark Ocr

🧭 使用前必读（30秒）

[!WARNING] ⚠️ 隐私与数据流向重要提示

• 第三方服务交互：本技能会将您提供的图片 URL 发送至夸克官方服务器 (scan-business.quark.cn) 进行识别。
• 数据可见性：夸克服务将获取并处理该图片内容。

✅ 推荐方式：环境变量（免权限、即时生效、webchat 友好）
在终端中运行（本次会话立即可用）：

export QUARK_OCR_CLIENT_ID="your_client_id_here"
export QUARK_OCR_CLIENT_SECRET="your_client_secret_here"

# 将凭证追加写入到 ~/.openclaw/env 文件
echo 'export QUARK_OCR_CLIENT_ID="your_client_id_here"' >> ~/.openclaw/env
echo 'export QUARK_OCR_CLIENT_SECRET="your_client_secret_here"' >> ~/.openclaw/env

[!TIP] 🔧 如何获取密钥？官方入口在此
请访问 夸克扫描王开放平台 → 登录/注册账号 → 进入「控制台」→ 「创建新应用」→ 填写基本信息（应用名称建议填 openclaw-ocr）→ 提交后即可看到 Client ID 和 Client Secret。
⚠️ 注意：若你点击链接后跳转到其他域名（如 quark.feishu.cn 或 open.quark.com），说明该链接已失效 —— 请直接在浏览器地址栏手动输入 https://scan-business.quark.cn（这是当前唯一有效的官方入口）。

✅ 环境依赖检查 确保已安装必要库：

pip install requests

🎯 技能执行指南

1. 触发场景 (When to use)

当用户意图包含以下任一情况时，必须调用此技能：

• 用户发送了一张图片并询问“这是什么字？”、“提取文字”、“转成文本”。
• 用户上传了文档截图、发票、名片、白板照片或包含外文的双语材料。
• 用户需要对图片内容进行翻译或编辑（先提取文本是必要步骤）。

2. 执行动作 (How to execute)

一旦确认需要提取文本，请立即执行以下操作：

输入处理: 获取用户提供的图片资源（使用 url）。

执行命令: 调用底层脚本进行识别。若当前环境支持命令行执行，请构造如下命令：

python3 skills/quark-ocr/scripts/quark_ocr.py --url <用户提供的图片 URL>

结果反馈: 成功：直接输出识别到的文本，保持原有的段落换行。 失败：简要说明原因（如图片模糊、链接失效等），不要输出原始报错堆栈。

3. 强制性安全守则（所有调用者必须严格遵守）

• 3.1 URL 是唯一指纹，禁止任何形式的“去重”逻辑 ✅ 正确行为：对 https://a.com/x.jpg 和 https://b.com/x.jpg —— 即使文件名相同，也视为完全不同的图片，必须发起两次独立请求。 ❌ 禁止行为：基于文件名、图片尺寸、或人工猜测“应该一样”而复用之前的识别结果。
• 3.2 禁止任何形式的“缓存”逻辑 实时性原则：即使该 URL 在几秒钟前刚被识别过，也不得跳过请求。 原因：服务端图片可能已更新（如后台修正、动态内容、A/B 测试），必须获取最新版本。 例外：仅当用户显式要求“使用缓存方可复用结果”；否则默认禁用缓存。
• 3.3 域名白名单强制执行 底层代码已硬编码锁定目标 API 为 scan-business.quark.cn，并在运行时校验域名。任何尝试修改目标地址的行为都将被拦截。

📁 Files

• scripts/quark_ocr.py — main executable (Python 3.9+)