适用于 Openclaw 的 OCR Benchmark

一个全面的多模型 OCR 基准测试工具，使用模糊行级评分和自动报告来评估 Claude, Gemini, 和 PaddleOCR。

yingfengli

v2.0.0

2026年3月15日

安装

基本信息

Skill.md

安装与下载

1. ClawHub CLI

从源直接安装技能的最快方式。


                  npx clawhub@latest install ocr-benchmark

2. 手动安装

将技能文件夹复制到以下位置之一

全局模式

~/.openclaw/skills/

工作区

<project>/skills/

优先级：工作区 > 本地 > 内置

3. 提示词安装

将此提示词复制到 OpenClaw 即可自动安装。


                  请帮我使用 Clawhub 安装 ocr-benchmark。如果尚未安装 Clawhub，请先安装（npm i -g clawhub）。

更倾向于下载？

获取包含原生技能文件的ZIP压缩包。

什么是 OCR Benchmark？

OCR Benchmark 是 Openclaw Skills 生态系统中的一个专门实用工具，旨在为光学字符识别任务带来实证严谨性。它允许开发人员同时针对各种高性能模型（包括 Claude (Opus, Sonnet, Haiku), Gemini (Pro, Flash) 和 PaddleOCR）测试图像，以确定哪种引擎对特定文档类型提供最佳准确度。

通过超越简单的文本提取，该工具提供了一个评估 OCR 质量、成本效益和延迟的结构化框架。它专门解决了处理复杂布局（如产品包装或密集文档）的开发人员的需求，确保模型选择基于数据驱动的排名而非假设。

OCR Benchmark 应用场景

使用单一界面比较多个 LLM 供应商的 OCR 准确度。
评估不同模型层级在大批量处理中的成本性能比。
在现有图像数据集上测试新视觉模型的可靠性。
生成专业的 PPT 报告，向利益相关者展示 OCR 质量。
对复杂零售包装上的中英文文本提取进行评分。

OCR Benchmark 工作原理

收集并整理 JPG、PNG 或 WEBP 等格式的本地图像文件。
运行基准测试脚本，该脚本与 AWS Bedrock 和 Google AI Studio 等供应商接口以提取文本。
创建或提供一个 ground truth JSON 文件，代表每个图像经过验证的正确文本。
执行评分引擎，使用 Levenshtein 编辑距离应用模糊行级匹配。
查看排名的终端输出或生成一份全面的 PowerPoint 报告用于最终分析。

OCR Benchmark 配置指南

导航到技能目录并安装必要的 Python 依赖项：

cd ~\/.openclaw\/workspace\/skills\/ocr-benchmark\/ocr-benchmark
pip install -r requirements.txt

为您希望进行基准测试的特定供应商配置环境变量：

export AWS_REGION=us-west-2
export GOOGLE_API_KEY=your_google_key
export PADDLEOCR_ENDPOINT=https:\/\/your-endpoint

OCR Benchmark 数据架构与分类体系

该技能为每次提取和比较生成结构化的 JSON 文件。主要数据输出包括：

文件类型	描述
`{image}.{model}.json`	包含文本、延迟和 token 使用情况的单个提取结果。
`scores.json`	将模型输出与 ground truth 进行比较的汇总评分数据。
`report.pptx`	准备好演示的可视化基准测试结果。