用途：在需要 OCR 专用提取时使用阿里云百炼 Qwen OCR 模型，主要面向文本提取与文档结构解析，而非宽泛的视觉推理。
可用模型（须使用精确字符串）：qwen-vl-ocr、qwen-vl-ocr-latest，以及 qwen-vl-ocr-2025-11-20、qwen-vl-ocr-2025-08-28、qwen-vl-ocr-2025-04-13、qwen-vl-ocr-2024-10-28。选择建议：稳定场景用 qwen-vl-ocr；需要最新 OCR 行为用 qwen-vl-ocr-latest；需要可复现的文档解析用 qwen-vl-ocr-2025-11-20。
主要能力：接口 ocr.extract 的请求含 image（必填，HTTPS URL、本地路径或 data URL）、model（默认 qwen-vl-ocr）、prompt（自定义提取指令）、task（内置任务）、task_config、enable_rotate（默认 false）、min_pixels、max_pixels、max_tokens、temperature（建议保持接近默认或较低值）。响应含 text、model，以及可选的 usage。内置任务包括 text_recognition、key_information_extraction、document_parsing、table_parsing、formula_recognition、multi_lan、advanced_recognition。
使用方式：建议在虚拟环境中安装依赖，然后设置 DASHSCOPE_API_KEY，或在 ~/.alibabacloud/credentials 中添加 dashscope_api_key。用法示例：python skills/ai/multimodal/aliyun-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：python skills/ai/multimodal/aliyun-qwen-ocr/scripts/prepare_ocr_request.py --image "https://example.com/table.png" --task table_parsing --model qwen-vl-ocr-2025-11-20。默认输出为 output/aliyun-qwen-ocr/request.json，可用 OUTPUT_DIR 覆盖基础目录。
适用场景与限制：标准解析任务优先使用内置任务，因为其使用官方任务提示；关键业务字段应在 OCR 后增加下游校验规则。qwen-vl-ocr 及较旧快照的默认最大输出为 4096 tokens，除非阿里云批准更高上限；qwen-vl-ocr-2025-11-20 遵循模型上限。仅在小字漏识时提高 max_pixels，这会增加 token 成本。其他收费、价格与效果信息暂未提供。