GitHub - 3351666087/scan-to-vector-skill:将扫描文档重建为可搜索、排版精美的 PDF,并生成矢量图、追踪溯源信息及进行视觉质检的智能体技能。
📌 One-Sentence Summary
scan-to-vector-skill 是一款开源智能体技能,可将扫描文档重建为可搜索、排版精美的 PDF,并生成矢量图、追踪溯源信息及进行视觉质检。
📝 Summary
scan-to-vector-skill 是一款适用于 Claude Code、Codex 及兼容客户端的智能体技能,可将扫描文档重建为可搜索、排版精美的 PDF,并生成矢量图、追踪溯源信息及进行视觉质检。该技能会处理扫描页面,包括将照片扁平化、校正倾斜并均匀补光,随后以双倍分辨率运行 Tesseract OCR,提取文本及其测量位置、字号和字重。图表、数据图及其他矢量元素会被描摹为矢量路径,而照片和版画则保留为清晰且带有标签的裁剪图。每次重建都会记录在台账中,并与原始扫描件叠加比对以供核验。基准测试显示,多个模型的质量均显著提升(Haiku 5.5:0.841→0.997,Sonnet 5.5:0.994→0.998,Opus 5.5:0.993→0.998,Fable 5.1:0.837→0.997),且较强模型的处理速度更快。该技能支持通过可恢复的检查点和页面台账处理长文档,并提供 Claude Code 插件、一行 Shell 脚本或手动复制等安装方式。
💡 Main Points
该技能可将扫描文档重建为可搜索、排版精美的 PDF,并生成矢量图和追踪溯源信息。
与在扫描件上叠加不可见文本的传统 OCR 不同,scan-to-vector 会彻底重建 PDF,生成真正可搜索的文本、无论放大到何种程度都保持清晰的矢量图,并通过页面台账记录所有更改以便核验。
基准测试表明,该技能能显著提升多个 AI 模型的质量,并加快处理速度。
对两份 9 页文档进行的测试显示,Haiku 5.5 从 0.841 提升至 0.997,Sonnet 5.5 从 0.994 提升至 0.998,Opus 5.5 从 0.993 提升至 0.998,Fable 5.1 从 0.837 提升至 0.997;Sonnet 的处理速度还提高了 37%。
该技能通过有针对性的技术方案,解决智能体容易出现的常见问题。
它通过以扫描图像像素为基准进行测量,解决视觉模型输入被缩小等常见问题;还提供校对表以发现遗漏内容,并采用一条命令生成草稿的方式,让用户只需编辑 fixes.json 就能轻松修正误识别内容。
该技能通过可恢复的检查点和页面台账支持长文档处理。
系统会维护页面台账和检查点,即使没有聊天历史也能继续处理;每页都会与原始扫描件核验,并生成标注 PASS 或 FIX 状态的报告。
💬 Key Quotes
将扫描书籍、手册、练习册和图表重建为可搜索的 PDF,生成矢量图,并逐页与扫描件核对。
结果经过实测,而非空口宣称:在两份模型此前从未见过的 9 页扫描文档上,我们测试的 4 个模型使用这项技能后得分都更高。
Haiku 5.5 的得分从 0.841 提升至 0.997,Sonnet 5.5 的处理速度则提高了 37%。
智能体在这项任务中容易以可预测的方式失败,而这项技能的每个部分都针对其中一种问题。
📊 Article Meta
AI Screening: 88
Source: Hacker News - Newest: "AI Agent"
Author: Null3351
Category: 人工智能
Language: 英文
Read Time: 9 min
Word Count: 2158
Tags:
AI 与智能应用 , AI 工程 , 文档解析 , AI 编程 , 测试与质量
内容翔实,正好需要,先收藏再看。
作者写得真不错,学到了不少。
整理得太全面了,省了我不少时间。
实话,说的不明不白
赞同,实践出真知。
看标题就点进来了,内容果然没让人失望。
路过
内容翔实,正好需要,先收藏再看。
点赞,必须点赞
这篇文章分析得很透彻,收藏了!
看完了,收获满满,期待更多更新。
很有价值的分享,感谢整理。