yzm686/dsh-ocr-skill

DocMark · 文档转 Markdown 智能体技能

PDF / Word / PPT / Excel / 图片 → 干净 Markdown

一个开源的 Agent Skill（SKILL.md）：把本地文件或远程 URL 一键解析成结构化、保留表格的 Markdown，供 AI 智能体 / RAG / LLM / 大模型 直接使用。

· English | 官网注册 & 获取 API Key | MIT License

DocMark-md-converter 是一个开源的 Agent Skill，它通过一次 HTTP 请求调用
DocMark API，将文档
（PDF、Word、PowerPoint、Excel，以及发票 / 身份证 / 订单等图片）
转换为干净、保留表格的 Markdown。它专为 Anthropic Agent Skills（SKILL.md）
规范打造，可无缝接入任何兼容 SKILL.md 的智能体——Claude Code / Claude Desktop、
opencode、OpenAI Codex、Cursor、Zed、Gemini CLI、Cline、Roo、Trae、Qwen Code
等——用于文档解析、OCR 转录和 RAG 数据摄取。

DocMark 文档解析技能：将 PDF/Word/PPT/Excel 与图片（发票、身份证、订单截图、通用 OCR）通过 DocMark API 转换为干净、保留表格结构的 Markdown，供智能体解析文档与 RAG 知识库使用。遵循业界通用 Agent Skills（SKILL.md） 规范，开箱即用；同时附带 OpenAI 风格 tool-schema.json 供 function calling 生态调用。

✨ Features / 特性

| 能力 | 说明 |
|---|---|
| 📄 PDF | 页级并行抽取，保留版式与表格 |
| 📝 Word / PPT / Excel | .docx/.doc .pptx/.ppt .xlsx/.xls，旧版 Office 自动兼容 |
| 🖼️ 图片 OCR | 发票 / 身份证 / 订单 / 通用 OCR（.jpg .jpeg .png .bmp .webp） |
| 🌐 本地 or 远程 | 本地文件上传 或 http(s) URL 直转 |
| 🧹 干净 Markdown | 适合 RAG / LLM / 知识库 二次消费 |
| 🔌 跨智能体 | SKILL.md 通用格式 + tool-schema.json |

🚀 Quick Start / 快速开始

1. 到官网 https://www.prowyg.com 注册并获取 API Key（新用户送 100 积分；积分不足在此充值）。
2. 设置环境变量后运行：

export DOCMARK_API_KEY=md_your_key

本地文件 → Markdown（打印到 stdout 或 -o 存文件）
python3 scripts/convert.py --file invoice.pdf -o invoice.md

远程 URL → Markdown
python3 scripts/convert.py --url https://example.com/a.pdf -o a.md

自托管服务
DOCMARK_BASE=https://your-host python3 scripts/convert.py --file a.docx

Windows PowerShell：
$env:DOCMARK_API_KEY="md_your_key"
python scripts\convert.py --file invoice.pdf -o invoice.md

📥 Install into your agent / 安装到智能体

将本仓库 SKILL.md 所在目录作为技能目录接入（复制或加为子目录均可）：

Claude Code
~/.claude/skills/docmark-md-converter/

opencode
~/.config/opencode/skills/docmark-md-converter/

OpenAI Codex
~/.codex/skills/docmark-md-converter/

Cursor / Zed / Windsurf / Roo / Gemini CLI ...（.agents/skills 或对应 skills 目录）
.agents/skills/docmark-md-converter/

也可以把本仓库 clone 到项目内 skills/docmark-md-converter/ 随代码分发。安装后，让智能体"把这份发票/PDF 转成 Markdown"即可自动调用本技能。

📡 API Contract / 接口契约（v2）

| Action | Endpoint | Body |
|---|---|---|
| Health | GET {BASE}/health | — |
| Convert local file | POST {BASE}/convert | multipart, field file |
| Convert remote file | POST {BASE}/convert/url | JSON {"url":"https://…"} |

- Auth：Authorization: Bearer （兼容 X-API-Key）
- Supported：.pdf .docx/.doc .pptx/.ppt .xlsx/.xls .jpg .jpeg .png .bmp .webp
- Errors：400/401/402/413/415/500/503；Billing：1 页 = 1 积分，失败自动退还
- 默认服务：https://note.prowyg.com（可用 DOCMARK_BASE 覆盖为自托管地址）

该接口契约可独立于智能体使用——任何能发 HTTP 的语言/工具都能对接，方便二次集成到自建 RAG / 工作流。

📦 内含内容 / 目录结构

docmark-md-converter/
├── SKILL.md            # Agent Skills 技能定义（frontmatter：name/description）
├── README.md           # 本说明（中英双语）
├── tool-schema.json    # OpenAI 风格 function-calling schema
├── scripts/convert.py  # 转换助手（仅用 Python 标准库）
├── examples/README.md  # 发票/身份证等输出示例
├── tests/              # 自测
└── LICENSE             # MIT

🧭 生态适配 / 生态适配

| Agent | 是否原生支持 SKILL.md | 接入方式 |
|---|---|---|
| Claude Code / Claude Desktop | ✅ | 见上方 skills 目录 |
| opencode | ✅ | ~/.config/opencode/skills/ |
| OpenAI Codex | ✅ | ~/.codex/skills/ |
| Cursor / Zed / Windsurf / Roo / Gemini CLI / Trae / Qwen Code | ✅ | .agents/skills/ 或各自 skills 目录 |
| function-calling 平台（OpenAI/国产大模型 API） | ⚡ | 读取 tool-schema.json 自行实现 HTTP 调用 |

📄 许可证

MIT © DocMark · 官网 https://www.prowyg.com