OCR and Documents

• 您有一份 PDF（數位或掃描版），需要提取其中的文字以進行摘要、歸檔或進一步分析。
• 您需要對掃描的發票、表單或文件照片進行 OCR 辨識，並擷取結構化欄位。
• 您想將 DOCX 檔案轉換為純文字或 markdown 格式，以供其他技能或流程使用。
• 您正在建立一個預處理步驟，將乾淨的文件文字輸入至搜尋索引或 LLM 工作流程中。

• 您的輸入是 PowerPoint/PPTX 檔案 — 請將這些檔案轉交給專門處理簡報的技能。
• 您的掃描文件解析度極低、嚴重傾斜，或使用不支援的語言；OCR 品質將會很差，結果也不可靠。
• 您需要無相依套件、零設定的解決方案 — 此技能需要 Python 環境以及至少一個文件／OCR 函式庫。

使用 PyMuPDF 或 pdfminer，直接從原生數位 PDF 中提取文字，無需 OCR 額外處理，並盡可能保留原始版面配置。

將掃描的 PDF 及文件照片透過 Tesseract 或相容的 OCR 服務進行處理，以從影像型內容中還原文字。

透過 python-docx 讀取 Microsoft Word 檔案，將段落與標題結構擷取為純文字或 Markdown 格式輸出。

將擷取的內容標準化為純文字或結構化 Markdown，使輸出結果可立即供摘要生成、索引建立或其他下游技能使用。

根據執行階段偵測到的文件類型，自動選擇適當的擷取器——直接文字層、OCR 或特定格式解析器。

使用 OCR and Documents 掃描發票或已填寫的表單，並回傳結構化欄位，例如廠商名稱、金額及到期日，以供後續處理或儲存使用。

從多頁 PDF 中擷取文字，並將每一頁的內容傳遞給摘要技能，無需手動複製貼上即可生成涵蓋整份文件的摘要。

解析 Word 文件並將其內容轉換為 Markdown 格式，使其可用於知識庫、靜態網站，或在純文字工作流程中進行進一步編輯。

從混合的 PDF 和 DOCX 檔案集合中批次擷取文字，產生適合向量或全文搜尋索引的乾淨、標準化文字區塊。