image-content-extractor

统一图片内容提取技能。智能识别终端/文档/通用模式,自动提取内容生成Markdown。

SKILL.md

GitHub

图片内容提取技能 v2.0

智能识别终端/文档/通用模式,自动提取内容生成Markdown。

🎯 三大模式

  • 终端模式(Terminal):终端/命令行截图,命令高亮
  • 文档模式(Document):文档截图,标题/列表/代码块检测
  • 通用模式(General):各种图片,自动类型检测

🚀 使用方式

# 自动检测模式(推荐)
python3 scripts/extract.py /path/to/image.png

# 指定模式
python3 scripts/extract.py image.png --mode terminal|document|general

# 保存到文件
python3 scripts/extract.py image.png -o output.md

# 保存到知识库
python3 scripts/extract.py image.png -k -c testing -t "标题"

# 批量处理
python3 scripts/extract.py ./images/ --batch -k -c knowledge

🛠️ 处理流程

图片输入 → 模式检测 → 预处理 → 智能分块 → OCR识别 → 智能合并 → 结构分析 → Markdown输出

📁 文件结构

image-content-extractor/
├── scripts/extract.py          # 主入口
├── core/                       # 核心(ocr, preprocess, merge, structure)
├── modes/                      # 模式(terminal, document, general)
└── config/extractor-config.json

🔧 关键配置(extractor-config.json)

  • ocr.engine:tesseract,支持AI降级
  • preprocessing.block_height:2000px分块
  • structure_detection:标题/列表/代码块/表格
  • knowledge_base.auto_index:自动更新QMD

⚠️ 注意

  • 图片分辨率≥1500px宽度效果最佳
  • OCR引擎:Tesseract + AI备用
  • 最大图片尺寸:50000px

📄 许可证与版权声明

MIT License

Copyright (c) 2026 思捷娅科技 (SJYKJ)

免费使用、修改和重新分发时,需注明出处。

出处:

商业使用授权:

  • 个人/开源:免费
  • 小微企业(<10 人):¥999/年
  • 中型企业(10-50 人):¥4,999/年
  • 大型企业(>50 人):¥19,999/年
  • 源码买断:¥99,999 一次性

详情请查看:LICENSE