用途：为扫描件或纯图片 PDF 添加可搜索、可复制的文本层。OCRmyPDF（MPL-2.0）逐页栅格化，调用 Tesseract 识别，并输出一个在原图之上叠加不可见文本层的新 PDF。整个过程在本地完成，免费、结果确定，不消耗 AI token。
主要能力：支持去倾斜（--deskew）、清理噪点（--clean，需要 unpaper）、整页旋转校正（--rotate-pages）、多核加速（--jobs N）、导出纯文本（--sidecar）、按页码范围处理（--pages）、跳过已有文本页（--skip-text）、重做已有 OCR 层（--redo-ocr）以及多语言识别（-l）。
使用方式：先检查依赖，运行 tesseract --version && gs --version && uvx ocrmypdf --version，三者都能输出版本号即可。uvx 无法安装 Tesseract 与 Ghostscript，需按操作系统单独安装：macOS 使用 brew install ocrmypdf（附带 Tesseract、Ghostscript、unpaper），额外语言用 brew install tesseract-lang；Debian/Ubuntu/WSL 使用 sudo apt install ocrmypdf unpaper，额外语言如 tesseract-ocr-deu；Fedora 使用 sudo dnf install ocrmypdf tesseract-osd，语言包为 tesseract-langpack-<lang>；Windows 原生环境用 winget install -e --id tesseract-ocr.tesseract，并从 ghostscript.com 安装 64 位 Ghostscript。发行版包可能落后于 PyPI，uvx ocrmypdf 始终运行当前版本并配合系统 Tesseract。随后按情况选择参数，再试跑与全量运行：页数较多时先用短页码范围试跑，如 uvx ocrmypdf --deskew --clean --pages 1-5 --sidecar trial.txt input.pdf trial.pdf，检查 trial.txt 与源页逐页一致后再全量执行，如 uvx ocrmypdf --deskew --clean --sidecar output.txt input.pdf output.pdf。命令退出码为 0 且输出文件存在即完成；退出码 6 表示 PDF 已有文本，可改用 pdf-extract，或加 --skip-text / --redo-ocr。处理文件夹时循环文件，并在每个文件旁写入 "${f%.pdf}_ocr.pdf"。纯文本可从 sidecar 获取；若需 OCR 后 PDF 的逐页文本，可对输出 PDF 运行 pdf-extract 技能。
适用场景：扫描文档、书籍扫描、图片型 PDF 的检索与文本提取；需要本地处理、避免上传或消耗 AI token 的场合。
限制：手写、特殊字体、密集表格、公式与图表识别效果差，建议抽查 sidecar，记录效果差的页码，仅将这些页交给 document-parse 技能的 AI 路径处理；--clean 依赖 unpaper；非英语识别需先安装对应语言包。