openclaw案例参考-华为云OCR-skills识别图片-使用技能从图片中提取文本

1.背景

在日常工作中，大量的关键信息仍然以“图像”的形式存在——扫描版的合同、拍照留存的纸质票据、截图中的表格数据……对于人眼来说不过是一瞥之间，但对于绝大多数AI助手而言，却如同一道无法逾越的鸿沟。它们“看不见”，也就“读不懂”，更谈不上帮你处理和分析。

当用户上传一张“合同照片”或“营业执照”时，普通的文本模型无法直接读取其内容。这正是OCR（光学字符识别）技术需要发挥作用的地方。

通过将华为云OCR技能接入OpenClaw，OpenClaw将从一个“无法识别图片文字”的文本助手，进化为真正拥有“火眼金睛”的智能工作伙伴——能看、能理解、能行动。这种能力在实际业务场景中具有广泛的应用价值，尤其在信息自动化提取与处理方面，能大幅提升工作效率、降低人工成本。

2.场景描述

某三甲医院检验科每天处理数千份检验报告单（血常规、肝功能、心肌酶谱等），版式各异：既有LIS系统打印的标准模板，也有手写补录的纸质单，还有外院送检的扫描件。每份报告单包含数十项指标（项目名称、结果、单位、参考区间、↑↓标识）。

解决方案（OpenClaw + 华为云OCR+Skills）
自动识别：上传报告单图片，华为云行业OCR精准解析表格结构，提取项目名称、结果、单位、参考区间、箭头标识。

3.使用OpenClaw搭建个人AI助手（飞书）

使用OpenClaw搭建个人AI助手（飞书）

4.部署华为云OCR模型

快速部署HunyuanOCR模型：

https://pep.huaweisre.com/#/pepmgtcontentwebsite/page/preview?id=594845319754244096&location=www.huaweicloud.com/solution/implementations/quickly-deploy-the-hunyuanocr-model.html

须知：

1.该解决方案默认创建9997端口的安全组规则（用来访问Xinference）

2.该解决方案部署成功后，环境初始化预计15-20分钟，受网络、带宽影响，部署时间会有波动感部署完成之后方可正常访问

步骤一 访问Xinference WebUI页面：打开浏览器，访问 快速部署HunyuanOCR模型 输出事件中的http地址

步骤二 访问HunyuanOCR模型 WebUI页面：按下图所示依次点击“Running Models” “Image Models”访问Actions图标即可访问

步骤三 使用HunyuanOCR模型：按下图所示点击“通过api访问”，后复制API documentation中的地址

5.飞书客户端

前置：需要导入配套 hw_ocr skills 技能到工作区目录

须知：

问答使用ocr的服务如遇到ip无法连通的情形，请参考如下：

解决方案：登录部署龙虾shell服务器

查看ip：

执行如下命令：

nmap -p 9997 199.xx.xx.1xx

1.如果为STATE为filtered，则需要对云服务器-安全组开放9997端口协议

1.如果为STATE为open，则说明云服务器已开放9997端口协议，服务可正常访问