用途:从图片、扫描件或多页 PDF 中识别并提取表格,输出干净的 Markdown 文本,便于编辑和后续转换。适用于财务报表、发票、带表格的报告等文档。
主要能力:支持合并单元格、嵌套表格、多行表头等复杂表格;支持多页 PDF 批量提取;同时支持本地文件与远程 URL 输入;结果以 Markdown 表格形式返回,并附带版面解析细节。
前置条件:必须配置 ZHIPU_API_KEY 环境变量。可在 openclaw.json 的 env.vars 中全局配置(所有智谱技能共享),或仅在 skills.entries.glmocr-table.env 中为该技能单独配置,也可写入 shell 环境变量,例如 export ZHIPU_API_KEY="你的密钥"。
使用方式(命令保持原样): 从 URL 提取:python scripts/glm_ocr_cli.py --file-url "https://example.com/table.png" 从本地文件提取:python scripts/glm_ocr_cli.py --file /path/to/table.png 保存结果:python scripts/glm_ocr_cli.py --file table.png --output result.json --pretty 调试时包含原始响应:python scripts/glm_ocr_cli.py --file table.png --output result.json --include-raw
CLI 参数:--file-url 与 --file 二选一,--output/-o 保存 JSON,--pretty 美化输出,--include-raw 返回原始上游响应(仅调试)。
返回结构中,ok 表示是否成功,text 为 Markdown 文本(用于展示),layout_details 为版面分析细节,error 为失败信息。
限制与安全:仅调用固定官方端点,不支持自定义 API URL 覆盖;仅通过该脚本调用 GLM-OCR API,不自行解析表格、不提供替代方案;API 失败时直接展示错误并停止;原始响应默认不返回。可选设置 GLM_OCR_TIMEOUT 超时。未提供价格、配额等其它信息。