img-reader

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