龙虾不“瞎”！用腾讯云OCR给你的OpenClaw装上“火眼金睛”

原创

腾讯云AI

修改于 2026-03-12 15:08:22

1520

当下，AI 助手已经成为越来越多职场人的效率伙伴。然而，有一道隐形的墙，始终横亘在 AI 与真实工作场景之间——那就是图片里的文字。想一想你的日常工作：堆积如山的扫描版合同、格式各异的图片简历、拍照留存的纸质票据、截图中的表格数据……这些信息以"图像"的形式存在，对于人眼来说不过是一瞥之间，但对于绝大多数 AI 助手而言，却如同一道无法逾越的鸿沟。它们"看不见"，也就"读不懂"，更谈不上帮你处理和分析。

这就是为什么，让 AI 拥有"眼睛"，是释放其真正潜力的关键一步。

腾讯云文字识别（OCR）正是为此而生。凭借业界领先的多模态大模型，腾讯云 OCR 能够穿透复杂版式、多语言混排、模糊扫描等各类"视觉难题"，将图片中的文字信息精准提取，转化为可被 AI 直接理解和处理的结构化数据。从通用高精度文字识别，到身份证、营业执照、发票、行驶证等垂直场景的专项识别，腾讯云 OCR 覆盖了企业办公中几乎所有与"图片文字"打交道的高频需求。

而现在，通过将腾讯云 OCR 技能接入 OpenClaw，这一切能力都可以无缝融入你的 AI 工作流。无需复杂的开发配置，只需几步简单操作，你的 OpenClaw 就将从一个"对不起，我无法识别这份PDF文件"的 AI 助手，进化为真正拥有"火眼金睛"的智能工作伙伴——能看、能理解、能行动。

本文将以招聘季简历批量识别与结构化录入为核心实践场景，手把手带你完成 OpenClaw 的 OCR 能力接入全流程。

准备好了吗？让我们一起解锁这项超能力！

1. 精准识别多语种简历，HR的福音！

场景痛点：

1、海量简历处理到崩溃：校招季简历像雪片般飞来，手动录入信息到手软，宝贵时间全耗在复制粘贴上！

2、奇葩格式让人抓狂：扫描件、个性排版…格式五花八门，关键信息提取难如大海捞针，一不小心就错过宝藏候选人！

3、跨国招聘效率低下：多语种简历混在一起，语言不通、版式各异，筛选效率大打折扣，人才库建设遥遥无期。

方案亮点：

只需上传简历文件，无论是多么复杂的格式、包含何种外语，使用腾讯云通用文字识别skill帮你准确识别！

● 精准识别：穿透各种奇葩排版，准确提取文字信息。

● 多语种支持：各国简历也能轻松搞定。

2. 安装并使用

2.1 OpenClaw 安装 Clawhub

打开官网：https://clawhub.ai/注册并登陆，然后右上角点 Settings

然后找到 API tokens，点击 Create token，然后复制右侧的那一串 token

给 Openclaw 发送：

“请用 npm install -g clawhub@latest 安装 openclaw，用 clawhub login --token 【这里换成你的 token】登陆，然后就可以用这个工具搜索和安装 skills 了”。

2.2 安装OCR技能

给 Openclaw 发送：

"帮我通过 clawhub 安装 tencentcloud-ocr这个 skill"

完成安装后，会出现上述提示。该技能需调用腾讯云的文字识别（OCR）服务，使用前需要开通OCR功能。

2.3 开通OCR服务

1、先进入腾讯云官网 https://cloud.tencent.com/，注册一个账号，然后在产品tab中搜索“文字识别”

2、进入到文字识别页面，点击“管理控制台”

3、进入到控制台，点击“密钥管理”

4、点击“API密钥管理”并继续点击“新建密钥”，并保存好SecretId 和 SecretKey

2.4 使用OCR技能

1、由于SecretId和SecretKey属于敏感信息，建议在OpenClaw的网关中进行环境变量的配置，如下图所示

2、配置完成之后，给OpenClaw发送“你现在配置好了吗？”，确认配置生效。

3、上传简历图片，并发送“请识别简历”，简历信息会如下图结构化呈现。

至此，你已经成功为 OpenClaw 装备了腾讯云 OCR 的"眼睛"。回望整个接入过程，从注册腾讯云账号、开通文字识别服务、配置 API 密钥，到通过 Clawhub 一键安装 OCR Skill，最终实现上传简历图片即可自动结构化解析——整个流程行云流水，门槛之低，效果之惊艳，或许超出了你最初的预期。

但这仅仅是开始。

正如文章开头所说，企业办公场景中有大量关键信息被"封印"在图片里。现在，这道封印正在被逐一打破。除了本文演示的简历识别场景，腾讯云 OCR 技能矩阵还覆盖了更广泛的业务场景：

财务报销场景：接入增值税发票识别技能，OpenClaw 可以自动读取发票金额、税率、购销方信息，告别手动填报；
合规审查场景：接入营业执照、身份证识别技能，企业资质核验、KYC 流程秒级完成；
跨境业务场景：接入多国护照识别技能，80+ 国家证件信息一键提取，国际化团队协作不再受语言壁垒所困；
表格数据场景：接入表格识别技能，图片版报表、纸质数据瞬间转为可编辑的结构化数据，直接导出 Excel；
教育评测场景：接入试题批改 Agent，手写答案自动识别、知识点分析一气呵成……

每一项技能的背后，都是腾讯云多年深耕 AI 视觉识别技术的厚积薄发，也是 OpenClaw 不断拓展能力边界的生动注脚。

AI 的价值，从来不只在于它能"说"多少，更在于它能"感知"多少。 当你的 AI 助手能够真正"看懂"你工作中的每一张图片、每一份文件、每一个场景，它才能从一个被动的问答工具，蜕变为主动参与你工作流程的智能伙伴。现在，OpenClaw 已经拥有了这双"眼睛"。接下来，就轮到你去探索，它还能在哪些场景里，为你创造更多可能。

附腾讯云OCR产品系列技能总览

除了上面的技能之外，腾讯云OCR还提供了其他场景的技能，用户可以根据自己的场景按需选择。

skills名称	链接	介绍
TencentCloud IDCard OCR	tencentcloud-ocr-idcard	腾讯云身份证识别(IDCardOCR)接口调用技能。可识别身份证图片中中国大陆居民二代身份证正反面信息（姓名、性别、民族、出生日期、住址、身份证号、签发机关、有效期限等），支持身份证图片照片裁剪和多种告警功能
TencentCloud BizLicense OCR	tencentcloud-ocr-bizlicense	腾讯云营业执照识别(BizLicenseOCR)接口调用技能。可识别营业执照图片上的字段信息（统一社会信用代码、公司名称、主体类型、法定代表人、注册资本、组成形式、成立日期、营业期限、经营范围等）时，支持复印件/翻拍件告警检测、有效期自动拼接、电子营业执照图片识别及非营业执照的营业类证件图片识别。
TencentCloud General OCR	tencentcloud-ocr-general	腾讯云广告文字识别(AdvertiseOCR)接口调用技能。当用户需要从图片中识别文字内容时,应使用此技能。支持中英文、横排、竖排及倾斜场景的图片文字识别,支持90度、180度、270度翻转场景的图片识别,返回文本框位置与文字内容。
TencentCloud LicensePlate OCR	tencentcloud-ocr-licenseplate	腾讯云车牌识别(LicensePlateOCR)接口调用技能。当用户需要对中国大陆机动车车牌进行自动定位和识别时，应使用此技能。支持返回车牌号码、车牌颜色、置信度和像素坐标信息，支持多车牌场景识别。
TencentCloud MLIDPassport OCR	tencentcloud-ocr-mlidpassport	腾讯云护照识别（多国多地区）(MLIDPassportOCR)接口调用技能。当用户需要识别护照图片中中国大陆、港澳台地区或其他国家/地区的护照信息（护照ID、姓名、出生日期、性别、有效期、发行国、国籍、国家地区代码、MRZ码等）时,应使用此技能。支持图片Base64和URL两种输入方式,支持护照图片人像照片裁剪功能,支持80+国家/地区的可机读护照图片识别,同时支持复印件、翻拍、PS、反光、模糊、边框不完整等告警功能（仅国际站生效）
TencentCloud RecognizeTable OCR	tencentcloud-ocr-recognizetableaccurate	腾讯云表格识别v3(RecognizeTableAccurateOCR)接口调用技能。当用户需要从表格图片或PDF中识别常规表格、无线表格、多表格的内容,提取每个单元格的文字信息,或将表格图片识别结果导出为Excel文件时,应使用此技能。支持中英文表格图片、旋转表格图片、嵌套表格图片等复杂场景,识别效果优于表格识别V2。
TencentCloud VatInvoice OCR	tencentcloud-ocr-vatinvoice	腾讯云通用票据识别高级版(VatInvoiceOCR)接口调用技能。当用户需要识别发票图片中增值税专用发票、增值税普通发票、增值税电子专票、增值税电子普票、电子发票（普通/增值税专用）的全字段信息时,应使用此技能。支持识别发票图片中的发票代码、发票号码、开票日期、合计金额、校验码、税率、合计税额、价税合计、购买方/销售方信息、明细条目等全部字段,同时支持PDF格式发票图片识别。
TencentCloud VehicleLicense OCR	tencentcloud-ocr-vehiclelicense	腾讯云行驶证识别(VehicleLicenseOCR)接口调用技能。当用户需要识别行驶证图片主页（车牌号码、车辆类型、所有人、住址、使用性质、品牌型号、识别代码、发动机号、注册日期、发证日期）或副页（号牌号码、档案编号、核定载人数、总质量、整备质量、核定载质量、外廓尺寸、准牵引总质量、备注、检验记录）信息时,应使用此技能。支持图片Base64和URL两种输入方式,支持复印件、翻拍、反光、模糊、边框不完整等告警功能,支持电子行驶证图片和拖拉机行驶证图片识别。
TencentCloud ExtractDoc OCR	tencentcloud-ocr-extractdocagent	腾讯云实时文档抽取Agent(ExtractDocAgent)接口调用技能。当用户需要从图片或PDF中按自定义字段名称进行结构化信息抽取时，应使用此技能。支持自定义字段名称、字段类型（KV对或表格字段）和字段提示词，实现灵活的文档信息提取。适用于合同、发票、报告等各类文档的结构化数据抽取场景。
TencentCloud QuestionMark OCR	tencentcloud-ocr-questionmarkagent	腾讯云试题批改Agent接口调用技能。当用户需要对试卷图片或试题图片中的K12试卷或试题进行自动批改、手写答案识别、知识点分析时,应使用此技能。支持整卷图片批改和单题图片批改,提供题目切题、正误判定、答案对比、错误分析、知识点输出等结构化评估结果。