PaddleOCR Agent Skills 安装指南：三步装好，让 AI 应用搞定文字识别与文档解析-开发者社区

PaddleOCR Agent Skills 安装指南：三步装好，让 AI 应用搞定文字识别与文档解析

【免费下载链接】PaddleOCRTurn any PDF or image document into structured data for your AI. A powerful, lightweight OCR toolkit that bridges the gap between images/PDFs and LLMs. Supports 100+ languages.项目地址: https://gitcode.com/GitHub_Trending/pa/PaddleOCR

PaddleOCR 是一款把 PDF 与图片转成结构化数据的开源 OCR 工具包，其官方 Agent Skills 将 OCR 与文档解析任务的触发规则、调用步骤、配置要求打包成可按需加载的模块，让 Claude Code、OpenClaw 等支持 Skills 的 AI 应用直接调用官方 API 完成识别与解析。本文带你完成这两个 Skill 的安装与配置，然后用自然语言触发任务、从输出判断成功。

为什么要把 PaddleOCR 接入 AI 应用

AI 应用处理发票、扫描件或报告 PDF 时，自身视觉能力容易漏掉表格结构、公式与小字号内容。Skills 的思路是把这些任务交给官方托管服务：应用只用自然语言描述任务，Skill 负责提交文件、等待任务、取回结果。全程不需要本地 GPU 推理——Skill 背后运行paddleocr api子命令，它把文件提交到云端处理并取回结果，因此装完 PaddleOCR 后无需额外依赖。

该选哪个 Skill 对应你的任务

两个 Skill 按目标输出二选一，也可以都装：

目标	Skill	返回内容
只要图片 / PDF 里的纯文本	`paddleocr-text-recognition`	行级文本、边界框、置信度
保留文档结构（标题、表格、公式）	`paddleocr-doc-parsing`	Markdown / 结构化结果

⚠️ 目标是纯文本就用 text-recognition；文档含表格、公式、图表或复杂版面就改用 doc-parsing——skills/paddleocr-text-recognition/SKILL.md 明确禁止用它处理这类文档。完整规则见 skills 目录说明与官方 Skills 文档。

动手前备齐三样东西

执行 Skill 的设备已装 Python 3.9 或更高版本。
安装 PaddleOCR 3.7.0 及以上版本，该版本提供paddleocr api命令：

pip install "paddleocr>=3.7.0"

一个 access token：登录百度 AI Studio，在账户设置页的 Access Token 入口获取。它用于 API 鉴权，必须通过环境变量PADDLEOCR_ACCESS_TOKEN（或--token参数）传给 CLI。

安装 Skill：三种方式任选其一

方式一：skills CLI（推荐）

skillsCLI 会把 Skill 全局安装到设备上，装完各 AI 应用均可使用，前提是已装 Node.js：

npx skills add PaddlePaddle/PaddleOCR -g --skill paddleocr-text-recognition -y npx skills add PaddlePaddle/PaddleOCR -g --skill paddleocr-doc-parsing -y

只装一个 Skill 时保留对应命令即可。PaddleOCR 仓库较大，网络慢时可能超时；若遇到，先克隆到本地再从本地路径安装：

git clone https://gitcode.com/GitHub_Trending/pa/PaddleOCR npx skills add ./PaddleOCR/skills/paddleocr-text-recognition npx skills add ./PaddleOCR/skills/paddleocr-doc-parsing

方式二：clawhub（OpenClaw 用户）

clawhub install paddleocr-text-recognition clawhub install paddleocr-doc-parsing

安装位置与规则以 OpenClaw 官方 Skills 文档为准。

方式三：手动拷贝

克隆仓库后，把PaddleOCR/skills下对应 Skill 目录拷到 AI 应用指定的位置。Claude Code、claude.ai、OpenClaw 各有各的 Skills 安装说明，具体目标路径查对应应用的文档。

配置 PADDLEOCR_ACCESS_TOKEN 环境变量

🔑 两个 Skill 的 frontmatter 都把PADDLEOCR_ACCESS_TOKEN声明为必需环境变量（primaryEnv），缺失时 Skill 不会正常工作。可选设置PADDLEOCR_BASE_URL更换 API 服务地址，缺省使用官方服务。

Claude Code

在项目根目录的.claude/settings.local.json加env字段，<ACCESS_TOKEN>替换为你的 token：

{ "env": { "PADDLEOCR_ACCESS_TOKEN": "<ACCESS_TOKEN>" } }

OpenClaw

在~/.openclaw/openclaw.json中把 Skill 条目的enabled置为true并填入 token：

{ "skills": { "entries": { "paddleocr-text-recognition": { "enabled": true, "env": { "PADDLEOCR_ACCESS_TOKEN": "<ACCESS_TOKEN>" } }, "paddleocr-doc-parsing": { "enabled": true, "env": { "PADDLEOCR_ACCESS_TOKEN": "<ACCESS_TOKEN>" } } } } }

其他 AI 应用

应用不在上述列表内时，把 token 以环境变量PADDLEOCR_ACCESS_TOKEN提供给该应用即可；单次调用也可用--token显式传入。

触发任务的标准提示词

配置完成后，直接在应用里用自然语言描述任务，附上文件 URL 或本地路径。标准提示词：

提取这个文件中的全部文本：https://example.com/invoice.jpg 解析这个 PDF，并返回主体内容和全部表格：https://example.com/report.pdf

示例中的 URL 与本地路径都是占位值，替换为你自己的文件即可。Skill 实际执行的是paddleocr api命令，手动验证用最小形态：

paddleocr api --model_type ocr --file_url "https://example.com/image.png" paddleocr api --model_type doc_parsing --file_path "./document.pdf"

--model_type必填且只接受ocr或doc_parsing；--file_url与--file_path二选一。完整参数以paddleocr api --help及官方 API CLI 文档为准。

平整、方向正确的输入（截图、扫描规范的文档）可以关闭文档预处理（扭曲矫正 + 方向分类）加快结果：

paddleocr api --model_type ocr --file_path "./document.pdf" \ --use_doc_unwarping False --use_doc_orientation_classify False

弯曲、折叠文档的照片，或方向不确定（旋转 90/180/270 度）时，保持预处理开启。

从输出确认成功并处理常见错误

成功时 CLI 向标准输出打印格式化 JSON；用--output指定文件则写入文件并打印保存位置。两种结果结构：

ocr结果含jobId与每页prunedResult（内含rec_texts行级文本、rec_scores置信度分数）及ocrImageUrl；
doc_parsing结果含jobId与每页markdownText、markdownImages、outputImages。