OCR 工具

OCRTool

描述

从图像中提取文本（本地路径或 URL）。通过 CrewAI 的 LLM 接口使用具备视觉能力的 LLM。

安装

除 crewai-tools 外无需额外安装。请确保你选择的 LLM 支持视觉输入。

参数

运行参数

• image_path_url (str, required)：本地图像路径或 HTTP(S) URL。

示例

直接使用

from crewai_tools import OCRTool

print(OCRTool().run(image_path_url="/tmp/receipt.png"))

与智能体一起使用

from crewai import Agent, Task, Crew
from crewai_tools import OCRTool

ocr = OCRTool()

agent = Agent(
    role="OCR",
    goal="提取文本",
    tools=[ocr],
)

task = Task(
    description="从 https://example.com/invoice.jpg 中提取文本",
    expected_output="所有识别到的文本，纯文本格式",
    agent=agent,
)

crew = Crew(agents=[agent], tasks=[task])
result = crew.kickoff()

注意事项

• 确保所选 LLM 支持图像输入。
• 对于较大的图像，考虑缩小尺寸以减少 token 使用量。
• 如有需要，你可以向工具传入特定的 LLM 实例（例如 LLM(model="gpt-4o")），与 README 指南保持一致。

示例

from crewai import Agent, Task, Crew
from crewai_tools import OCRTool

tool = OCRTool()

agent = Agent(
    role="OCR 专家",
    goal="从图像中提取文本",
    backstory="具备视觉能力的分析师",
    tools=[tool],
    verbose=True,
)

task = Task(
    description="从 https://example.com/receipt.png 中提取文本",
    expected_output="所有识别到的文本，纯文本格式",
    agent=agent,
)

crew = Crew(agents=[agent], tasks=[task])
result = crew.kickoff()