phanghonghao Img-Reader - 本地图片读取（零 MCP 额度）
3 级自动降级流程
Tier 0: Read + PIL 增强（零依赖，已集成）
│ 置信度低 ↓ 自动降级
Tier 1: GLM-4V-Flash（免费 API，联网，不消耗 MCP 额度）
│ 联网失败 / 无 API Key ↓ 自动降级
Tier 2: PaddleOCR（离线，本地 OCR）
│
└──→ 输出结果（跑通即停，不浪费后续资源）
核心规则：只要上一级跑通就停，失败才自动降级。不调用 MCP analyze_image。
Tier 0: Read + PIL 增强
普通模式（截图/照片/整体描述）
直接 Read：
Read(file_path="<absolute_path>")
增强模式（工程图/明细表/小字）
用 PIL 裁剪+放大+增强后再 Read：
PYTHONIOENCODING=utf-8 python -c "
from PIL import Image, ImageEnhance, ImageFilter
import sys, os
img_path = sys.argv[1]
zoom = int(sys.argv[2]) if len(sys.argv) > 2 else 5
region = sys.argv[3] if len(sys.argv) > 3 else None
img = Image.open(img_path).convert('RGB')
w, h = img.size
if region:
coords = [float(x) for x in region.split(',')]
img = img.crop((int(w*coords[0]), int(h*coords[1]), int(w*coords[2]), int(h*coords[3])))
out = img.resize((img.width * zoom, img.height * zoom), Image.LANCZOS)
out = out.filter(ImageFilter.SHARPEN)
out = ImageEnhance.Contrast(out).enhance(1.8)
out = ImageEnhance.Sharpness(out).enhance(2.0)
base = os.path.splitext(img_path)[0]
save_path = base + '_enhanced.png'
out.save(save_path)
print(save_path)
" "<INPUT_PATH>" "<ZOOM>" "<REGION>"
置信度判断
读取后评估：
- 高：文字清晰，直接输出
[置信度：高] - 中：部分模糊，用
(?)标记不确定项[置信度：中] - 低：大量不可辨 → 自动降级到 Tier 1，不问用户
Tier 1: GLM-4V-Flash（免费 VLM API）
当 Tier 0 置信度低时，自动调用（不问用户）：
python "<LOCAL_USER>/.claude/skills/img-reader/vision_api.py" "<image_path>" "<prompt>"
前提：需要 ZHIPU_API_KEY 环境变量（免费注册 https://open.bigmodel.cn 获取）
API Key 配置（三选一）
- 环境变量：
set ZHIPU_API_KEY=xxx .env文件：放在<LOCAL_USER>/.claude/skills/img-reader/.env，内容ZHIPU_API_KEY=xxx- 首次使用时提示用户注册并配置
安装依赖
python -m pip install zhipuai -q
特点
- 完全免费（glm-4v-flash 免费额度）
- 不是 MCP — Python 直接 HTTP 调用，不消耗 MCP 额度
- 中文 OCR 能力好
- 返回 JSON：
{"success": true, "result": "...", "provider": "glm-4v-flash"}
失败时自动降级到 Tier 2
失败情况：无 API Key、网络不通、API 报错
Tier 2: PaddleOCR（离线本地 OCR）
当 Tier 1 失败时，自动降级：
# 普通文字识别
python "<LOCAL_USER>/.claude/skills/img-reader/ocr_local.py" "<image_path>"
# 表格/明细表提取
python "<LOCAL_USER>/.claude/skills/img-reader/ocr_local.py" "<image_path>" --table
# 首次使用自动安装
python "<LOCAL_USER>/.claude/skills/img-reader/ocr_local.py" "<image_path>" --install
安装依赖（自动）
python -m pip install paddleocr paddlepaddle -q
特点
- 完全离线 — 无需联网、无需 API Key
- 中文 OCR 最强 — 百度 PP-OCRv4
- 表格识别 — PP-Structure 可提取 BOM/明细表
- 模型首次运行时自动下载（~100MB），之后离线可用
- 返回 JSON：
{"success": true, "full_text": "...", "text_lines": [...]}
Implementation Steps
Step 1: 判断是否需要增强
- 普通图片 → 直接 Read（Tier 0 普通模式）
- 工程图/明细表/小字 → PIL 增强 + Read（Tier 0 增强模式）
Step 2: 评估置信度
- 置信度高 → 直接输出，结束
- 置信度低 → 静默降级到 Tier 1
Step 3: 调用 Tier 1（GLM-4V-Flash）
- 如果成功 → 输出结果，结束
- 如果失败（无 Key / 无网络）→ 静默降级到 Tier 2
Step 4: 调用 Tier 2（PaddleOCR）
- 如果用户需求涉及表格/明细表 → 用
--table模式 - 输出 OCR 结果，结束
Step 5: 输出
- 最终结果末尾标注使用的是哪个 Tier：
[通过 Tier X 完成] - 如果全部失败，建议用户手动调用 MCP analyze_image
Rules
- 不调用
mcp__4_5v_mcp__analyze_image— 全程零 MCP 额度 - 跑通即停 — 高级 Tier 成功后不继续降级
- 静默降级 — 不打断用户，自动从 Tier 0 → 1 → 2 尝试
- 标注来源 — 结果末尾显示
[通过 Tier X 完成] - 路径必须是绝对路径
- 多图并行读取提高效率