HoraceLuBFA pdf-ocr-searchable
一切经由脚本，不要手写 ocrmypdf 命令行（脚本内置语言码归一、跳过已有文字层、livetext 私有 API 失效自动回退 accurate、逐文件字数验收）：
S=~/.agents/skills/pdf-ocr-searchable/scripts/ocr_pdf.sh
# 第一步：分诊。NEED=要处理，HAS=已可复制
$S --check <PDF 或目录>
# 第二步：OCR。输出 原名.ocr.pdf 不覆盖原件；目录则递归批量
# --md 另产出同名 .md 纯文字版（脚本按行高+章节正则还原标题层级，按段首缩进
# 把扫描换行并回整段并剔除书眉/页码/边码，勿手工转换）。
# 已可复制的 PDF（HAS）自动跳过 OCR、直接从源生成 md——只要 Markdown 也走这条命令
$S [--preset ...] [--lang chi_sim] [--md] <PDF 或目录>
已有 .ocr.pdf 且比源新时自动跳过 OCR（增量），重跑 --md 秒级完成。
唯一要动脑的决策是选预设，三档是真实取舍不能兼得：
--preset |
何时用 | 对原图 |
|---|---|---|
archive（默认） |
档案/论文/合同，要留底的一切 | 逐字节不变，只加文字层 |
deskew |
手机拍的、扫歪的 | 栅格化以矫正倾斜 |
compact |
只求体积小 | 重新编码，约省 15% |
--lang 默认 chi_sim；zh-Hans/en/ja 等写法脚本会自动归一，chi_sim+eng 叠加会被拒（中文模型本就能识别页内英文）。其余旗标看 $S --help。
注意两点：英文占比高的文档，交付前抽查专有名词、页眉、参考文献（中文模型识别英文是实践表现，非正式双语支持）；识别字数异常少的文件脚本会标 ⚠️，需人工抽查。
单张图片 / 只要文字不要 PDF
mac-ocr 截图.png # 文字直接进终端
mac-ocr 论文.pdf --format jsonl # 带坐标结构化输出
不要用 mac-ocr searchable-pdf 产出 PDF——其文字层英文单词间空格会丢，换语言参数也治不了；出 PDF 一律走本脚本。
新机器重建依赖
uv tool install --python 3.12 ocrmypdf --with ocrmypdf-appleocr # 插件必须与主程序同环境；3.12 必需（3.14 装不上）
brew install ghostscript
npm install -g mac-ocr # 可选