用途：该技能面向以文字提取、文档结构解析为主的 OCR 场景，而非宽泛的视觉推理。使用阿里云百炼（Model Studio）的 Qwen OCR 模型完成识别与结构化输出。
主要能力：支持自定义提示词提取，也提供内置 OCR 任务，包括 text_recognition、key_information_extraction、document_parsing、table_parsing、formula_recognition、multi_lan、advanced_recognition。统一接口为 ocr.extract，请求参数含 image（必填，HTTPS URL、本地路径或 data: URL）、model、prompt、task、task_config、enable_rotate、min_pixels、max_pixels、max_tokens、temperature；响应含 text、model、usage。
模型名称：qwen-vl-ocr、qwen-vl-ocr-latest、qwen-vl-ocr-2025-11-20、qwen-vl-ocr-2025-08-28、qwen-vl-ocr-2025-04-13、qwen-vl-ocr-2024-10-28。稳定通道用 qwen-vl-ocr；需要最新行为用 latest；需要可复现文档解析可固定 qwen-vl-ocr-2025-11-20。
使用方式：安装依赖 python3 -m venv .venv、. .venv/bin/activate、python -m pip install requests；设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 添加 dashscope_api_key。示例：python skills/ai/multimodal/alicloud-ai-multimodal-qwen-ocr/scripts/prepare_ocr_request.py --image "https://example.com/invoice.png" --prompt "Extract seller name, invoice date, amount, and tax number in JSON."；内置任务示例加 --task table_parsing --model qwen-vl-ocr-2025-11-20。默认输出 output/alicloud-ai-multimodal-qwen-ocr/request.json，可用 OUTPUT_DIR 覆盖。
限制与建议：标准解析优先用内置任务；关键业务字段建议增加下游校验；qwen-vl-ocr 及较旧快照默认最大输出 4096 tokens，除非阿里云批准更高上限，qwen-vl-ocr-2025-11-20 遵循模型最大值；仅在漏识别小字时提高 max_pixels，会增加 token 成本。其他收费、价格与平台细节暂未提供。