用途:调用 baidu/Unlimited-OCR(MIT,arXiv 2606.23050,3B 总参数/500M 激活的 MoE 文档解析模型)在本地把页面图像解析为 Markdown,输出 LaTeX 数学公式、表格以及每个块的 <|det|> 布局边界框。
主要能力:支持单张图片、PDF(每页一个 .md 加 JSON 报告,300 DPI 渲染)和图片目录;可输出 JSON、去除布局标记、修复数学公式字符间距。边界框为 [x0,y0,x1,y1],两轴均归一化到 0–1000,JSON 格式另含像素坐标。已观察类别:equation、title、text、chart、header、page_footnote、page_number、image。
使用方式:脚本路径 S=~/eon/cc-skills/plugins/unlimited-ocr/scripts/unlimited_ocr.py。常用命令:uv run --no-project $S doctor(检查后端);uv run --no-project $S parse --input page.png;uv run --no-project $S parse --input paper.pdf --output ./out;uv run --no-project $S parse --input ./images --format json --collapse-math-spacing --quiet;uv run --no-project $S parse --input page.png --strip-det;uv run --no-project $S spec。uv 读取 PEP 723 头自动准备依赖,无需安装或虚拟环境。
限制:仅 free-ocr 提示模式可用,document-parsing 与 multi-page 在 MLX 上失败并被 CLI 以退出码 2 拒绝(可用 --allow-withheld-prompt-mode 强制)。每次前向只处理一张图,多页能力刻意不用。不描述图表内容,只定位。表格以 HTML <table> 返回,默认转换为 pipe,可用 --table-format html 保留。数学公式返回字符间距形式,需 --collapse-math-spacing 合并。退出码 0 正常、1 疑似重复、2 用法或输入错误。后端 auto 优先 MLX 再 CUDA;Ada GPU 勿用上游 SGLang 的 fa3 指令。其他限制见 references/PITFALLS.md。