picasso250 Ollama OCR Skill
Description
利用本地安装的 Ollama 运行多模态视觉模型（默认 qwen2.5vl:7b）来提取图片内容。此技能特别适用于本地化、高隐私、无联网要求的 OCR 任务。
Available Resources
- Ollama CLI (
ollama) - 模型：
qwen2.5vl:7b(默认),minicpm-v(更快但 OCR 稍弱的备选) - 脚本：
scripts/ocr_tool.py(支持--file参数)
Instructions
1. 使用专用脚本进行 OCR (推荐)
通过内置 Python 脚本提取文字，支持详细参数：
- 命令：
python scripts/ocr_tool.py --file [IMAGE_PATH] - 进阶：可以使用
--prompt自定义提示词，或使用--model切换模型。
2. 直接命令行调用
如果你想快速执行，可以直接使用：
- 命令：
ollama run qwen2.5vl:7b "请提取这张图片中的所有文字并保持原有格式：[IMAGE_PATH]"
3. 表格与排版识别
如果你需要提取表格或 Markdown 格式：
- 命令：
python scripts/ocr_tool.py --file [IMAGE_PATH] --prompt "请识别图中的表格并以 Markdown 格式输出："
Constraints
- 必须确保 Ollama 服务正在后台运行（托盘图标）。
- 首次使用某个模型时，Ollama 会自动下载（几 GB 大小），请确保磁盘空间充足。
- 如果遇到内存不足报错（Error 500），请关闭其他占用显存/内存的应用，或切换至更轻量的模型如
moondream。