Img-Reader - 本地图片读取（零 MCP 额度）

3 级自动降级流程

Tier 0: Read + PIL 增强（零依赖，已集成）
    │ 置信度低 ↓ 自动降级
Tier 1: GLM-4V-Flash（免费 API，联网，不消耗 MCP 额度）
    │ 联网失败 / 无 API Key ↓ 自动降级
Tier 2: PaddleOCR（离线，本地 OCR）
    │
    └──→ 输出结果（跑通即停，不浪费后续资源）

核心规则：只要上一级跑通就停，失败才自动降级。不调用 MCP analyze_image。

Tier 0: Read + PIL 增强

普通模式（截图/照片/整体描述）

直接 Read：

Read(file_path="<absolute_path>")

增强模式（工程图/明细表/小字）

用 PIL 裁剪+放大+增强后再 Read：

PYTHONIOENCODING=utf-8 python -c "
from PIL import Image, ImageEnhance, ImageFilter
import sys, os

img_path = sys.argv[1]
zoom = int(sys.argv[2]) if len(sys.argv) > 2 else 5
region = sys.argv[3] if len(sys.argv) > 3 else None

img = Image.open(img_path).convert('RGB')
w, h = img.size

if region:
    coords = [float(x) for x in region.split(',')]
    img = img.crop((int(w*coords[0]), int(h*coords[1]), int(w*coords[2]), int(h*coords[3])))

out = img.resize((img.width * zoom, img.height * zoom), Image.LANCZOS)
out = out.filter(ImageFilter.SHARPEN)
out = ImageEnhance.Contrast(out).enhance(1.8)
out = ImageEnhance.Sharpness(out).enhance(2.0)

base = os.path.splitext(img_path)[0]
save_path = base + '_enhanced.png'
out.save(save_path)
print(save_path)
" "<INPUT_PATH>" "<ZOOM>" "<REGION>"

置信度判断

读取后评估：

• 高：文字清晰，直接输出 [置信度：高]
• 中：部分模糊，用 (?) 标记不确定项 [置信度：中]
• 低：大量不可辨 → 自动降级到 Tier 1，不问用户

Tier 1: GLM-4V-Flash（免费 VLM API）

当 Tier 0 置信度低时，自动调用（不问用户）：

python "<LOCAL_USER>/.claude/skills/img-reader/vision_api.py" "<image_path>" "<prompt>"

前提：需要 ZHIPU_API_KEY 环境变量（免费注册 https://open.bigmodel.cn 获取）

API Key 配置（三选一）

1. 环境变量：set ZHIPU_API_KEY=xxx
2. .env 文件：放在 <LOCAL_USER>/.claude/skills/img-reader/.env，内容 ZHIPU_API_KEY=xxx
3. 首次使用时提示用户注册并配置

安装依赖

python -m pip install zhipuai -q

特点

• 完全免费（glm-4v-flash 免费额度）
• 不是 MCP — Python 直接 HTTP 调用，不消耗 MCP 额度
• 中文 OCR 能力好
• 返回 JSON：{"success": true, "result": "...", "provider": "glm-4v-flash"}

失败时自动降级到 Tier 2

失败情况：无 API Key、网络不通、API 报错

Tier 2: PaddleOCR（离线本地 OCR）

当 Tier 1 失败时，自动降级：

# 普通文字识别
python "<LOCAL_USER>/.claude/skills/img-reader/ocr_local.py" "<image_path>"

# 表格/明细表提取
python "<LOCAL_USER>/.claude/skills/img-reader/ocr_local.py" "<image_path>" --table

# 首次使用自动安装
python "<LOCAL_USER>/.claude/skills/img-reader/ocr_local.py" "<image_path>" --install

安装依赖（自动）

python -m pip install paddleocr paddlepaddle -q

特点

• 完全离线 — 无需联网、无需 API Key
• 中文 OCR 最强 — 百度 PP-OCRv4
• 表格识别 — PP-Structure 可提取 BOM/明细表
• 模型首次运行时自动下载（~100MB），之后离线可用
• 返回 JSON：{"success": true, "full_text": "...", "text_lines": [...]}

Implementation Steps

Step 1: 判断是否需要增强

• 普通图片 → 直接 Read（Tier 0 普通模式）
• 工程图/明细表/小字 → PIL 增强 + Read（Tier 0 增强模式）

Step 2: 评估置信度

• 置信度高 → 直接输出，结束
• 置信度低 → 静默降级到 Tier 1

Step 3: 调用 Tier 1（GLM-4V-Flash）

• 如果成功 → 输出结果，结束
• 如果失败（无 Key / 无网络）→ 静默降级到 Tier 2

Step 4: 调用 Tier 2（PaddleOCR）

• 如果用户需求涉及表格/明细表 → 用 --table 模式
• 输出 OCR 结果，结束

Step 5: 输出

• 最终结果末尾标注使用的是哪个 Tier：[通过 Tier X 完成]
• 如果全部失败，建议用户手动调用 MCP analyze_image

Rules

1. 不调用 mcp__4_5v_mcp__analyze_image — 全程零 MCP 额度
2. 跑通即停 — 高级 Tier 成功后不继续降级
3. 静默降级 — 不打断用户，自动从 Tier 0 → 1 → 2 尝试
4. 标注来源 — 结果末尾显示 [通过 Tier X 完成]
5. 路径必须是绝对路径
6. 多图并行读取提高效率