OCR

OCR（Optical Character Recognition，光学字符识别）负责把 图片里的文字变成可复制、可被 AI 读取的文本。下面这些事都依赖它：

• 把一张截图 / 扫描件拖进对话框，想让 AI 读懂里面的文字
• 把图片格式的发票、资料放进 知识库，希望以后能搜到
• 智能体 打开本地某张图片进行分析

OCR 是一页独立的设置。你在 【设置】→【OCR】 里配一次识别引擎，所有用到图片识字的地方都会用同一套配置。

OCR 设置：① 右上角下拉选择识别引擎（图示为 Mistral），下方填入所选引擎的 API 密钥与 API 地址

选择识别引擎

面板右上角的下拉框用于切换 OCR 引擎，选中的引擎即作为默认。内置引擎：

引擎	接入 / 运行方式	适合谁
System OCR	离线、免配置	借用系统自带识别（macOS Live Text / Windows OCR），开箱即用、速度最快
PaddleOCR	填 API 密钥（飞桨星河社区）；如自部署则把 API 地址指向你的服务。可选解析模型	不想占本地资源、又想要 Paddle 的识别效果
本地 PaddleOCR	离线，需先在【设置】→【本地模型】下载本地 OCR 模型（约 140MB）	中文识别效果好且完全在本机运行，隐私优先
Tesseract OCR	离线、已内置	经典开源 OCR，支持多语言，可作为兜底
Mistral	Mistral API 密钥	借助多模态大模型识别，复杂版式 / 手写体等更智能
Intel OV OCR	本地运行（Intel OpenVINO，NPU 加速）	仅在 Windows + Intel 酷睿 Ultra（带 NPU）、且已部署 OV 模型时才出现，其余设备看不到此项

不确定选哪个？先用 System OCR——绝大多数截图、清晰扫描件都能直接搞定，且无需任何配置。识别效果不理想时再换 本地 PaddleOCR 或 Mistral。

选中 System OCR 时，面板会显示 检测到 macOS Live Text / Windows OCR 引擎可用（系统不支持时，该项不会出现在下拉里）。

• 选择「本地 PaddleOCR」前，请先在【设置】→【本地模型】下载「本地 OCR 模型」，否则无法调用。
• Tesseract（及 Windows 上的 System OCR）可在面板的「语言」下拉里勾选要识别的语种。

与文档处理的区别

很多人会把 OCR 和 文档处理 搞混，一句话区分：

• OCR：管 图片 / 扫描件 里的文字识别（图 → 字）。
• 文档处理：管 PDF / 复杂版式文档 的结构化解析（带表格、多栏的 PDF → 规整文本）。

两者相互独立、各配各的。纯文本 PDF、.md/.txt/.docx 里的文字段落两者都不经过，直接读即可。

---

获取帮助与提交反馈

如果您在配置或使用过程中遇到任何疑问、Bug 或有功能改进建议，请参考 反馈与建议 中提供的官方渠道。