coze上OCR识别手写插件推荐

以下是 5 月 10 日罗文分享《认识插件》的相关文章或视频内容： 罗文分享如何使用插件一键生成标题 罗文分享使用插件武装智能体的方法与挑战 罗文分享 AI 插件使用方法及相关名词解释 罗文讲解单函数版本、方法论及插件配置 如何使用插件提升工作效率 如何快速了解插件的用途及使用场景 如何理解和运用插件 罗文讲解 API 使用技巧及相关提示词的作用 如何稳定调用 API 获取想要的信息 罗文分享使用插件的八步法及挑战 关于如何使用 flow 插件创建机器人的步骤讲解 关于如何在飞书上进行 API 内容报名的步骤讲解 关于国内版本使用的相关问题解答与分享 170 人同时编辑多维表格，字节同学帮忙做压测 关于多维表格插件使用的讨论 关于 AI 工具使用的分享与讨论 介绍智能体插件的使用方法 关于如何设置文档权限及使用插件的操作教程 关于如何使用代码执行器及流程化模板的讨论 关于智能体插件使用的讨论及实操演示 关于多维表格插件使用说明挑战的工作流程介绍 关于插件 API 使用的讨论 罗文分享工作流的设计与应用 罗文分享工作流程及机器人使用心得

在 Coze 中接入飞书插件的步骤如下： 1. 企业微信群聊机器人插件： 到语聚 ai 的第三方 api 集成平台上添加工具动作。 在平台上测试相关动作，获得返回的 API 请求的 python 代码。 按步骤集成到 Coze 的插件创建平台中。 2. 飞书多维表格插件： 使用 Coze 在 Coze IDE 中创建模式创建插件。 根据飞书开放者文档的要求在 Coze IDE 平台中用 handler 的方式编写 python 代码，配置项目依赖。 在 metadata 中配置输入和输出端信息。 最后测试发布成功。 此外，还有以下相关内容供您参考： 1. 通过已有服务 api 创建 Coze 插件： 进入 Coze，个人空间中，选择插件。新建一个插件，起个名字 api_1（名字可随意，描述叫 test）。 在插件的 URL 部分，填入刚才 ngrok 随机生成的 https 的链接地址。 按照指引配置输出参数，测试后发布插件。 手捏插件搞定之后，就可以创建 bot，将创建的插件接进来，在 prompt 里面让它调用插件。 2. 大聪明的保姆级教程： 先创建第一个 bot，然后不断精进。 如创建一个 Coze Bot 帮查阅 Hacker News 并中文返回，可引入联网插件 WebPilot 实现。

以下是一些与提示词测试相关的插件： 景淮在制作成语小游戏时，使用了成语搜索的 Web 插件，但有时会出现不触发或内容不够准确的情况。 小七姐在实验中，利用了强大的 ChatGPT 插件和 GPT4、AI Agents³进行提示词优化。 【SD】中的 One Button Prompt 插件，可帮助自动写提示词。安装方式可在扩展面板中搜索直接安装，或放在指定路径文件夹下，安装完成后重启 webUI 即可在脚本下拉菜单中找到。使用时可设置大模型、采样方法、采样步骤、CFG 比例等参数，还能选择主题、艺术和图像类型，也可添加提示词增加控制。

要确保 Agent 按要求调用插件，可以参考以下方法： 1. 构建稳定可用的 AI Agent 是一个需要不断调试和迭代的过程。通常从当前性能最强的 LLM（如 ChatGPT4 和 Claude 3.5 sonnet）着手，先用单条 Prompt 或 Prompt Chain 来测试任务的执行质量和稳定性。然后，根据实际执行情况、最终投产使用的 LLM，逐步拆解子任务，降低 LLM 执行单任务的难度，直到达成工程目标。 2. 一般而言，对于场景多样、结构复杂、对输出格式要求严格的内容，基本可以预见到需要将其拆解为工作流。此外，鉴于 LLM 只能处理文本输入输出的特性，如果涉及生成多媒体内容或从网络自主获取额外信息等能力，必然需要通过工作流来调用相应的插件。 3. 在插件中心确定需要的插件时，先用关键词进行尝试性搜索，根据插件名称、插件介绍页、描述、参数、示例，判断是否可能满足需求。有多个插件同时可选时，一般优选官方/高收藏/高成功率的插件，提升使用效果。如果实际试用效果不行，则换用其他插件，或自己编写上架插件。 例如，在搜索 TTS 文字转语音插件时，可以使用“语音”“文字转语音”“TTS”等相关关键词；在搜索思维导图插件时，可以使用“脑图”“树图”“导图”“mindmap”等关键词。

以下是制作小插件图表工具的详细步骤： 1. 点击个人空间，选择插件，然后点击创建插件。 插件名称：使用中文，根据插件需求起名。 插件描述：向观众说明插件的用途和使用方法等。 插件工具创建方式： 云侧插件基于已有服务创建：使用现成的 API 来创建插件，选择后需填入所使用 API 的 URL。 云侧插件在 Coze IDE 中创建：使用 Coze 的服务器写代码来直接搭建 API（支持 Python 和 Node.JS）。 2. 基于已有服务创建插件的配置项： 插件图标：单击默认图标后，可上传本地图片文件作为新的图标。 插件名称：自定义清晰易理解的名称，便于大语言模型搜索与使用插件。 插件描述：记录当前插件的用途。 插件工具创建方式：选择基于已有服务创建。 插件 URL：填写插件的访问地址或相关资源的链接，例如：https://www.example.com/api 。 Header 列表：根据 API 自身的参数配置要求填写 HTTP 请求头参数列表。 3. 创建工具： 填入第一个插件工具的基本信息，工具名称只能使用字母、数字和下划线来命名。 工具描述：根据工具的使用方法、功能填写，提醒用户如何使用。 工具路径：填写对应完整的 API 以“/”开始，如果后面使用 path 的方式传参，则可以使用“{}”包裹的方式把变量包含在其中。 请求方法：根据 API 的调用方式选择对应的请求方法。结束后点击保存并继续。 4. 配置输入参数：点击新增参数，把所有需要使用的参数填写进工具，填写后选择保存并继续。 以画小二通过 Coze 定制开发插件案例（根据食物识别营养热量）为例： 1. 打开扣子官网：https://www.coze.cn/home ，在个人空间的插件中点击创建插件。 2. 插件基本配置： 选择基于已有的服务创建，起好名字。 插件 URL：https://apis.tianapi.com 。 授权方式选择 Service 。 位置选择：Query 。 Parameter name 参数名字填写 key 。 Service token/API key 填写自己的。 3. 获取 API key：在天聚数行的 API 市场，在数据智能分类中找到实物营养识别，免费白嫖 20 条。登录注册之后按相关提示操作。 4. 插件详细参数配置：参考画小二课程详细解释这里的原理。 5. 插件发布：选择一项，不用收集客户敏感信息。

以下是为您推荐的写专业论文的插件和工作流： 插件方面： 1. 扣子平台上有丰富的插件，可拓展 Bot 能力边界。若不满足需求，还能创建自定义插件集成所需 API。例如，搜索插件可满足最新数据的搜索。 2. 扣子平台上还有如看新闻、规划旅行、提高办公效率、理解图片内容等不同类型的插件，以及能处理多种任务的模型。 工作流方面： 1. 可以根据用户描述生成歌曲后播放的工作流，能试听自己写的歌。 2. 工作流就像可视化的拼图游戏，可将插件、大语言模型、代码块等功能组合，创建复杂稳定的业务流程。工作流由多个小块块（节点）组成，开始和结束都有特定小块块，不同小块块可能需要不同信息才能工作。 3. 例如在“竖起耳朵听”的智能体里，用到了 5 个小块块，可回答带有图片口语的结果。 此外，在论文阅读方面，有“大学教授&学术阅读（读论文）大学教授版本”的 Prompts 分类，遵循「三轮吃透法」进行论文阅读，输出每轮阅读的总结文字。使用方法上，Claude 更好用，可直接上传附件；若用 GPT 则需配合插件，如 PaperChat、ML Paper Reader，直接输入论文地址。

以下是一些关于用大模型将扫描版 PDF 进行 OCR 的工具的相关信息： kimi 目前不支持扫描版本的 PDF，需要纯文字才能识别。 大模型招投标文件关键数据提取方案中的输入模块设计，支持多种格式的文档输入，包括 PDF 等。对于图片，可以借助开放平台工具中的 OCR 工具进行文本提取。 在 0 基础跨界 AI 编程共学零基础手搓 AI 拍立得银海的相关内容中，提到了将 OCR 添加到工作流程中，输入为一张图片，具备图像理解和识别图像文本信息两个能力，之后以这两个能力生成的内容为输入使用大模型生成文案标题和文案。

目前在 OCR（光学字符识别）领域，有一些表现出色的 AI 工具，例如百度 OCR、腾讯 OCR 等。这些工具通常具有较高的识别准确率和丰富的功能，可以满足不同场景下的 OCR 需求。

目前在具备图像 OCR 能力的大模型方面，一些较为知名和好用的包括百度的文心大模型、阿里云的通义大模型等。但大模型的性能和适用场景可能会因具体需求和使用场景的不同而有所差异。您可以根据自己的具体需求进一步评估和选择。

以下为您介绍一些与 OCR 文字识别相关的内容： 在“安仔：我用 Coze 免费手搓了一个 24 小时英语陪练，根治了我多年的哑巴英语”中提到使用了 Simple OCR 插件，它能够识别图片中的文字，并返回识别结果，用于读取用户上传图片或文件的文字，并做相应处理。 在移动端图片视觉处理方面，对于试卷拍照去除书写笔迹，有以下详细方法： 1. 图像预处理： 图像去噪：使用高斯滤波、中值滤波等去噪算法去除图像中的噪声。 图像增强：通过直方图均衡化、对比度增强等增强算法提升图像的清晰度和对比度。 2. 图像分割： 使用阈值分割、边缘检测和基于区域的分割等算法将试卷图像中的书写笔迹和背景分离。 3. 文字检测： 在分割后的图像中，使用基于深度学习的文本检测模型等文字检测算法识别出试卷上的文字区域。 4. 文字识别： 对检测到的文字区域进行文字识别，将文字内容转换为计算机可处理的文本数据。常用技术包括基于深度学习的端到端文本识别模型和传统的 OCR 技术。 5. 后处理： 根据需求进行后处理，如去除残余的噪点、填补文字区域的空白等。 6. 机器学习模型训练（可选）： 如有足够的数据，可以采用机器学习技术训练模型，通过学习样本中的书写笔迹特征来自动去除试卷上的笔迹。 7. 优化算法：

目前市面上有多种AI工具可以进行OCR（光学字符识别）和格式转换，以下是一些可用的工具： 1. 白描网页版OCR：提供在线图片文字提取服务，支持JPG/PNG/BMP/GIF/SVG格式的图片，并允许用户通过选择或拖拽图片到网页上进行文字识别 。 2. AI文字识别（OCR）工具：这是一个免费的在线OCR工具，支持中英文及数字的识别，并且基于浏览器运行，确保文件安全。用户可以通过选择图片来识别图像中的文本，并将其转换为可编辑的文本 。 3. iLoveOCR：这是一个在线OCR工具，可以将扫描的文档和图像转换成可编辑的Word、PDF、Excel、PowerPoint、ePub和Txt格式。支持多语言识别，并保证用户上传的文件在24小时后自动删除，注重隐私保护 。 4. 轻闪PDF OCR：提供在线服务，允许用户将PDF和图像文件转换成可编辑的格式，支持25种语言的OCR识别，并且界面简洁无广告，注重用户文件的安全性 。 这些工具通过AI技术提高了文字识别的准确性和效率，适用于将图片或PDF文件中的文字转换成可编辑的格式，非常适合需要大量文档处理和数据转换的用户。

Gemini 和 GPT 都是当前自然语言处理（NLP）领域中非常受欢迎的模型，它们在不同的应用场景中都有出色的表现。但是，在 OCR（光学字符识别）方面，哪个模型更好需要根据具体的任务和数据集来评估。 总的来说，GPT4 在多模态复杂数据问题和汉字的 OCR 方面表现较好，而 Gemini 在原生多模态能力和与搜索生态结合方面有一定的优势。但是，对于中文的理解能力，GPT4 可能更胜一筹。 需要注意的是，以上结论是基于已有数据和相关文章得出的，具体表现还需要根据实际应用场景进行评估。

以下为一个使用了 Coze 的事件触发器和工作流的案例： 在为 Bot 设置触发器时，可选择定时触发或事件触发。事件触发会生成 Webhook URL，当服务端向该 URL 发送 HTTPS 请求时触发任务执行。触发任务的执行方式包括 Bot 提示词、调用插件和调用工作流。 例如，添加一个审批工作流作为触发器，当触发后执行工作流完成业务审批。在 Stuart:0 基础教学系列之 Coze“用户界面”创建初体验中，上传图片并点击“上传图”按钮，可触发把图片传递给右边的图片框这一事件。调用 workflow 时需要传入工作流需要的参数，可通过选择双向箭头找到要传递过来的数据。但传文件存在一些问题，目前好多浏览器（尤其是 safari）的事件触发工作流可能会失败，可换用 chrome 或 edge 浏览器。 使用限制方面，一个 Bot 内的触发器最多可添加 10 个，且触发器仅当 Bot 发布飞书时生效。

以下是关于如何用 Coze 的触发器让触发器接收到内容并发送到工作流的详细说明： Coze 的触发器可以在特定时间或接收到特定事件时自动执行任务。可配置的触发器类型有定时触发和事件触发。 定时触发能让 Bot 在指定时间执行任务，无需编写代码。事件触发会生成 Webhook URL，当服务端向该 URL 发送 HTTPS 请求时触发任务执行。 触发器触发时执行任务的方式包括 Bot 提示词、调用插件和调用工作流。 Bot 提示词：通过自然语言设置提示词，触发时提示词自动发送给 Bot，Bot 据此向用户发送提醒消息。 调用插件：为触发器添加插件，触发时 Bot 调用插件获取结果并发送给用户。 调用工作流：为触发器添加工作流，若工作流有输入参数需传入参数值。触发时 Bot 调用工作流获取结果并发送给用户。 此外，Coze 支持用户在与 Bot 聊天时设置定时任务，当用户在会话内点击推荐任务后，Bot 会确认并创建定时任务。 使用限制方面，一个 Bot 内的触发器最多可添加 10 个，且触发器仅当 Bot 发布飞书时生效。 具体操作如设置自动总结公众号内容并定时推送到微信： 1. 在 Bot 中绑定工作流，设置定时任务，然后发布到飞书渠道。 人设和回复逻辑：由于 Bot 主要依托工作流，设置提示词，直接调用工作流。 工作流：添加刚刚创建的工作流。 设置触发器：选择“定时触发”，选择触发时间，如希望每天 18 点收到微信推送，就选择 18 点。任务执行时选择工作流，输入 key 和 rss_list 等工作流中开始节点的输入参数。 2. 点击右上角“发布”，注意渠道选择飞书，因为目前 Coze 平台触发器只对飞书渠道生效。可以同时设置多个触发器，最多 10 个，可推送给不同的人或在不同时间段给自己推送不同内容。

以下是一些关于使用 Coze 打造企业级的相关资源： 基础教程： 大圣：胎教级教程：万字长文带你使用 Coze 打造企业级知识库（https://waytoagi.feishu.cn/wiki/CT3UwDM8OiVmOOkohPbcV3JCndb ） 大聪明：保姆级教程：Coze 打工你躺平（https://waytoagi.feishu.cn/wiki/PQoUwXwpvi2ex7kJOrIcnQTCnYb ） 安仔：Coze 全方位入门剖析免费打造自己的 AI Agent（https://waytoagi.feishu.cn/wiki/SaCFwcw9xi2qcrkmSxscxTxLnxb ） Coze“图像流”抢先体验（https://waytoagi.feishu.cn/wiki/AHs2whOS2izNJakGA1NcD5BEnuf ） YoYo：Coze 图像流小技巧：探索视觉艺术的隐藏宝藏（https://waytoagi.feishu.cn/wiki/CTajwJnyZizxlJk8a4AcJYywnfe ） 【智能体】让 Coze 智能体机器人连上微信和微信群详细配置文档（https://waytoagi.feishu.cn/wiki/ExHMwCDZ7i6NA7knCWucFvFvnvJ ） 知识库相关： 官方文档：创建并使用知识库（https://www.coze.cn/docs/guides/use_knowledge ） 官方文档：知识库最佳实践（https://www.coze.cn/docs/guides/product_knowledge_bot ） 用 Coze 做一个基于知识库的 QA bot，TA 熟读了我所有的文章（https://zhuanlan.zhihu.com/p/699276883 ） 手把手教你如何用扣子（COZE）打造一个企业级的知识库机器人（https://zhuanlan.zhihu.com/p/695935995 ） Coze 汽车售后服务知识库 Bot 拆解（https://waytoagi.feishu.cn/wiki/N4wBwPY1oifcNJkZsyHc6McdnYg?renamingWikiNode=true ）

要将 Dify 接入企业微信，您可以按照以下步骤进行操作： 1. 创建聊天助手应用：在 Dify 平台创建基础编排聊天助手应用，获取 API 密钥和 API 服务器地址。 2. 下载 Dify on WeChat 项目：下载并安装依赖。 3. 填写配置文件：在项目根目录创建 config.json 文件，填写 API 密钥和服务器地址。 4. 把基础编排聊天助手接入微信：快速启动测试，扫码登录，进行对话测试，可以选择源码部署或 Docker 部署。 5. 把工作流编排聊天助手接入微信：创建知识库，导入知识库文件，创建工作流编排聊天助手应用，设置知识检索节点和 LLM 节点，发布更新并访问 API。 6. 把 Agent 应用接入微信：创建 Agent 应用，设置对话模型和添加工具，生成 API 密钥，填写配置文件，启动程序并进行测试。 更多内容请访问原文：https://docs.dify.ai/v/zhhans/learnmore/usecases/difyonwechat 另外，CoW（chatgptonwechat）是一个基于大型语言模型的智能对话机器人项目，具有多端部署、基础对话、语音识别、图片生成、丰富插件、Tool 工具、知识库等特性和优势，支持在多个平台部署，包括微信公众号、企业微信应用、飞书、钉钉等。项目开源，GitHub 地址：https://github.com/zhayujie/chatgptonwechat ，Gitee 地址：https://gitee.com/zhayujie/chatgptonwechat 。 您还可以引入项目，在 bot/dify/新建一个 dify_image.py 的程序，将画图程序的调用过程写到 dify bot 中，如用 query“画”开头接提示来触发调用。

在 Coze 平台提取视频文案的步骤如下： 1. 上传输入图片：将本地图片转换为在线 OSS 存储的 URL，以便在平台中进行调用。 2. 理解图片信息，提取图片中的文本内容信息。 3. 进行场景提示词优化/图像风格化处理。 4. 最终返回文本/图像结果。 为了简化流程，实现零代码版本的工作流，主要关注以下几个搭建流程的步骤： 1. 上传图片：将本地图片转换为在线 OSS 存储的 URL，通过图像流过一道。 2. 插件封装：将图片理解大模型和图片 OCR 封装为工作流插件，实现便捷调用，如果市场里面有可以直接使用。

目前暂时没有关于手写字照片转文本工具的相关内容。但您可以通过以下几种常见的方式来实现这一功能： 1. 利用手机端的扫描应用，如扫描全能王等，它们通常具备将手写文字照片转换为文本的功能。 2. 部分办公软件也有类似功能，例如 WPS 中的扫描功能。 3. 在线工具如百度 OCR 等，也能对图片中的手写文字进行识别和转换。

目前暂时没有能直接将文档生成手写文字的通用 AI 工具。但随着技术的不断发展，未来可能会出现相关的创新应用。

目前有多种可以扫描手写文稿生成电子文稿的工具，例如： 1. 扫描全能王：功能强大，能较好地识别手写文字并转换为电子文稿。 2. 白描：识别准确率较高，操作相对简单。 您可以根据自己的需求和使用习惯选择适合的工具。