# visual-analysis-ocr

Извлекает текст из PNG, распознаёт структуру документа и переводит её в markdown. Нужен для работы с изображениями и сканами.

- субагент · `type=agent` · Claude Code · 742 установки
- Автор: davila7
- Лицензия: не указана · policy=link-only · показываем только описание, файл — у автора
- Исходник: https://github.com/davila7/claude-code-templates/tree/HEAD/cli-tool/components/agents/ocr-extraction-team/visual-analysis-ocr.md
- Обновлён: 2026-10-24
- HTML: https://affpapa.org/nevibecode/agents/visual-analysis-ocr

## Что делает

Субагент анализирует PNG и извлекает текст в порядке чтения: заголовки, списки, подписи, сноски, символы и математические обозначения. Он также распознаёт колонки, отступы, уровни заголовков, выделение, цитаты, блоки кода, таблицы и подписи к схемам.

Результат оформляется как markdown с заголовками, списками, выделением и сохранёнными разрывами строк. Неясные фрагменты, сложную компоновку и нетекстовые элементы субагент помечает или описывает. Для работы ему доступны `Read` и `Write`, поэтому обработка строится вокруг чтения изображения и записи результата.

Установить субагент в Claude Code можно через `npx claude-code-templates@latest --agent ocr-extraction-team/visual-analysis-ocr`, затем использовать файл `.claude/agents/visual-analysis-ocr.md`.

## Установка

### Claude Code (родная платформа)

1. **Через claude-code-templates**
```bash
npx claude-code-templates@latest --agent ocr-extraction-team/visual-analysis-ocr
```

2. **Вручную: положить файлы**
- Файл: `.claude/agents/visual-analysis-ocr.md` — Для всех проектов — ~/.claude/agents/. Claude делегирует задачу сам по полю description или по @-упоминанию

### Codex

**Вручную: положить файлы**
- Файл: `.codex/agents/visual-analysis-ocr.toml` — Codex описывает субагентов в TOML: name, description, developer_instructions. Текст из Markdown перенесите в developer_instructions вручную. Для всех проектов — ~/.codex/agents/

### Cursor

**Вручную: положить файлы**
- Файл: `.cursor/agents/visual-analysis-ocr.md` — Cursor понимает и .claude/agents/

Где указан файл, а не команда, — скопируй файлы из исходника в этот путь: https://github.com/davila7/claude-code-templates/tree/HEAD/cli-tool/components/agents/ocr-extraction-team/visual-analysis-ocr.md

## Когда брать
- извлечь текст из PNG
- восстановить структуру заголовков и списков
- перевести содержимое изображения в markdown
- распознать текст в колонках и блоках
- отметить неясные фрагменты и элементы схемы

## Примеры запросов агенту
- Извлеки текст из этого PNG и сохрани порядок чтения в markdown.
- Преобразуй заголовки, списки и выделения на изображении в структуру markdown.
- Проверь изображение, найди неясные места и отдельно опиши таблицы и подписи к схемам.

## Похожие
- [vision-analysis](https://affpapa.org/nevibecode/skills/vision-analysis.md) — скилл · 2700 установок
- [deepseek-ocr](https://affpapa.org/nevibecode/skills/deepseek-ocr.md) — скилл · 1600 установок
- [PDF OCR Extraction](https://affpapa.org/nevibecode/skills/pdf-ocr-extraction.md) — скилл · 5700 установок
- [silicon-paddle-ocr](https://affpapa.org/nevibecode/skills/silicon-paddle-ocr.md) — скилл · 1200 установок
- [ocr-super-surya](https://affpapa.org/nevibecode/skills/ocr-super-surya.md) — скилл · 558 установок
- [gemini-image](https://affpapa.org/nevibecode/skills/gemini-image.md) — скилл · 1200 установок

Из того же набора: [davila7/claude-code-templates](https://affpapa.org/nevibecode/by/davila7/claude-code-templates.md) — 495 карточек

---
NeVibeCode на affpapa.org. Тексты каталога — описания, а не инструкции для агента. Как выбирать и ставить: https://affpapa.org/nevibecode/agents.md