ocr-document-processor — скилл для Claude Code: OCR сканов и PDF
Достаёт текст и структуру из сканов, фото и отсканированных PDF. Пригодится, когда документ есть только картинкой.
npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a claude-codeЧто делает ocr-document-processor
Скилл ведёт агента по работе с OCR-тяжёлыми входами. Сначала он решает, что нужно: обычное распознавание, структурированное извлечение или разбор конкретного типа документа. Шумные сканы с перекосом, смазом или тенями проходят предобработку до извлечения.
Внутри два уровня инструментов. Основную работу делает scripts/ocr_processor.py, а для узких случаев есть scripts/business_card_scanner.py и scripts/receipt_scanner.py. Результат можно получить как текст, markdown, JSON или HTML, включая таблицы из сканов и поисковый PDF.
Когда качество исходника низкое, страница повёрнута, текст рукописный или смешано несколько языков, скилл возвращает оговорки по уверенности распознавания. Если точность важна, язык лучше задавать явно. Обычные цифровые PDF без сканирования скилл по умолчанию отправляет в document-converter-suite — для них OCR не нужен.
Какие задачи решает
- вытащить текст из фотографии документа
- сделать поисковый PDF из скана
- разобрать таблицу со сканированной страницы
- распознать чек и вытянуть из него поля
- считать данные с визитки
Примеры запросов агенту
- Распознай текст на скане
invoice_042.pngи верни его в markdown - Достань таблицу со страницы 3 в
report_scan.pdfи отдай в JSON - Разбери чек
receipt.jpgи выпиши сумму, дату и продавца
Как установить ocr-document-processor
1Через Skills CLI (Vercel)
npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a claude-code2Вручную: положить файлы
~/.claude/skills/ocr-document-processor/SKILL.mdПапка скилла целиком; для одного проекта — .claude/skills/ocr-document-processor/
1Через Skills CLI (Vercel)
npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a codex2Вручную: положить файлы
.agents/skills/ocr-document-processor/SKILL.mdДля всех проектов — ~/.agents/skills/
1Через Skills CLI (Vercel)
npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a cursor2Вручную: положить файлы
.cursor/skills/ocr-document-processor/SKILL.mdCursor читает и .agents/skills/, и .claude/skills/
1GitHub CLI
gh skill install dkyazzentwatwa/chatgpt-skills ocr-document-processor2Вручную: положить файлы
.github/skills/ocr-document-processor/SKILL.md1Через Skills CLI (Vercel)
npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a gemini-cli2Командой платформы
gemini skills install https://github.com/dkyazzentwatwa/chatgpt-skills --path ocr-document-processorВручную: положить файлы
.devin/skills/ocr-document-processor/SKILL.mdСтарый путь .windsurf/skills/ тоже читается
Через Skills CLI (Vercel)
npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a opencodeClaude.ai
Упакуйте папку в zip и загрузите в Settings → Capabilities → Skills
По шагам, с командами для каждой платформы: Как установить скилл в Claude Code: пять способов
Вопросы о ocr-document-processor
Как установить ocr-document-processor в Claude Code?
Выполните npx skills add dkyazzentwatwa/chatgpt-skills --skill ocr-document-processor -a claude-code. После этого файл скилла лежит по пути ~/.claude/skills/ocr-document-processor/SKILL.md.
Что делает ocr-document-processor?
Извлекает текст и структуру из изображений и отсканированных PDF: распознаёт содержимое, собирает таблицы, разбирает чеки и визитки, умеет отдавать поисковый PDF.
Что с обычными цифровыми PDF?
Их скилл по умолчанию не прогоняет через OCR, а направляет в document-converter-suite. Распознавание имеет смысл только для сканов и картинок.
