ต้นแบบ · รุ่นทดลอง: มีทุก server ในทะเบียนทางการ อัปเดตทุก 30 นาที เข้าสู่ระบบด้วย Google เพื่อเขียนรีวิวได้แล้วต้นแบบ · อัปเดตทุก 30 นาที
PopNx MCPที่รวม MCP สำหรับคนใช้ AI · วิธีติดตั้งภาษาไทยทุกตัว

ใช้ทำอะไรได้

ยังไม่มีคำอธิบายภาษาไทย ดูข้อเท็จจริงด้านล่าง หรือเปิดคำอธิบายต้นฉบับจากผู้ทำ

  • ต่อแบบ ไฟล์คำสั่งให้ AI อ่าน
  • บัญชีหรือคีย์ ไม่พบคีย์ใน README และ SKILL.md
  • หมวด อื่น ๆ
คำอธิบายต้นฉบับจากผู้ทำ (อังกฤษ)
Xiaomi-OCR-0
สำหรับผู้ทำ: ติดป้ายใน README

ถ้าคุณเป็นผู้ทำตัวนี้ คัดลอกโค้ดนี้ไปวางใน README ได้เลย ป้ายลิงก์กลับมาที่หน้านี้

[![แนะนำบน PopNx MCP](https://mcp.popnx.com/badge/skill/xiaomi-research-xiaomi-ocr-0.svg?lang=th)](https://mcp.popnx.com/th/skills/xiaomi-research-xiaomi-ocr-0)

Skill ที่ทำงานคล้ายกัน

หมวดงานเดียวกัน เรียงแบบเดียวกับหน้ารายการ Skill

เทียบกับตัวที่คล้ายกัน
ตัวนี้
Xiaomi-OCR-0
llmfitclaude-videoVideoCaptionerclaude-cookbooks
ผู้ทำxiaomi-researchAlexsJonesbradautomatesWEIFENG2333anthropics
จำนวน Skill11114
ดาว GitHub1,15339,06421,16816,57054,832
แก้โค้ดล่าสุด10 พ.ย. 256918 พ.ย. 256925 ก.ย. 256912 ก.ย. 256917 พ.ย. 2569
สัญญาอนุญาตApache-2.0MITMITGPL-3.0MIT

ชุดคำสั่ง (Skill) 1 ชุดจาก xiaomi-research ให้ AI อ่านแล้วทำงานตามวิธีนี้ · ไม่ใช่ MCP server

Skill ต่างจาก MCP ยังไง

MCP = มือ

ต่อ AI เข้ากับบริการหรือข้อมูลข้างนอก เช่น อ่าน Notion หรือสร้างใบแจ้งหนี้ ต้องมีโปรแกรมหรือ server ทำงานอยู่

Skill = คู่มือ

ไฟล์ข้อความที่สอน AI ว่างานนี้ทำยังไง ไม่ต่อบริการใด

บางตัวคล้ายกัน: Skill บางตัวมีสคริปต์เรียกเครื่องมือ และ MCP บางตัวส่งแค่ความรู้ ให้ดูที่งานที่อยากทำเป็นหลัก

ใช้กับแอปไหน

ผู้ทำไม่ได้ระบุ · Skill แบบ SKILL.md ใช้ได้กับแอปที่รองรับ Agent Skills เช่น Claude Code, Codex และ Cursor

ติดตั้ง

ปลอดภัยไหม

  • ใครทำ

    บัญชี GitHub xiaomi-research (องค์กร) เปิดมา 1 ปี

  • คนใช้และการดูแล

    ★ 1,153 ดาว · แก้โค้ดล่าสุด 10 พ.ย. 2569

  • มีสคริปต์ไหม

    มีสคริปต์ 25 ไฟล์ที่รันบนเครื่องได้: skills/xiaomi-ocr/install.sh, skills/xiaomi-ocr/scripts/selftest.py, demo/server.py, demo/static/app.js และอีก 21 ไฟล์

  • ใช้อินเทอร์เน็ตไหม

    สคริปต์ที่เรียกอินเทอร์เน็ต: pipeline/ollama_backend.py

  • แก้ค่าตั้งทั้งเครื่องไหม

    สคริปต์ที่แตะโฟลเดอร์ค่าตั้ง (~/.claude หรือ settings.json): skills/xiaomi-ocr/scripts/register_codex_mcp.py

ตรวจอัตโนมัติจากไฟล์ใน repo ที่ commit 4abc240 (อ่านไฟล์อย่างเดียว ไม่ได้รัน) ไม่ใช่การรับรองความปลอดภัย อ่านแล้วตัดสินใจเอง

ขั้นแรก: คุณใช้ AI ตัวไหน

เลือกแอปที่ใช้ แล้วหน้านี้จะแสดงเฉพาะวิธีติดตั้งของแอปนั้น

ทางที่ 1อัปโหลดเข้า claude.ai (เว็บและแอป)

ไฟล์ของ Skill นี้เกิน 5 MB หรือเกิน 300 ไฟล์ จึงไม่ทำ ZIP ให้ ใช้ทาง "ให้ AI ติดตั้งให้" แทน

ทางที่ 1ให้ Claude Code ติดตั้งให้

คัดลอกประโยคนี้ไปวางในแชตของ Claude Code

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.claude/skills/xiaomi-ocr-setup อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .claude/skills/xiaomi-ocr-setup) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

เปิด Claude Code ใหม่ แล้วพิมพ์ /Xiaomi-OCR-0 หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.claude/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/xiaomi-research/xiaomi-ocr-0.git /tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240 && mkdir -p ~/.claude/skills && cp -R '/tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240/.' ~/.claude/skills/xiaomi-ocr-0
  3. เปิด Claude Code ใหม่ แล้วพิมพ์ /Xiaomi-OCR-0 หรือสั่งงานที่ตรงเรื่อง Claude จะเลือกใช้เอง

Skill ที่ติดตั้งเองใช้ได้ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยาย Codex ใน IDE · ChatGPT บนเว็บและมือถือใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี

แอป ChatGPT บนคอม

แอป ChatGPT บนคอมมี Codex อยู่ในตัว Codex อ่าน Skill จากโฟลเดอร์ ~/.agents/skills

ทางที่ 1ให้ ChatGPT ติดตั้งให้

เปิด Codex ในแอป ChatGPT บนคอม แล้ววางประโยคนี้ในแชต

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.agents/skills/xiaomi-ocr-setup อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .agents/skills/xiaomi-ocr-setup) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

ทางที่ 2วางโฟลเดอร์เอง

วางโฟลเดอร์ xiaomi-ocr-setup ไว้ที่ ~/.agents/skills/xiaomi-ocr-setup

~ คือโฟลเดอร์บ้านของคุณ ($HOME)

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.agents/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/xiaomi-research/xiaomi-ocr-0.git /tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240 && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240/.' ~/.agents/skills/xiaomi-ocr-0

หลังติดตั้ง

  • แอป ChatGPT บนคอม: เปิด Skills ในแถบข้างเพื่อดูว่า Skill ขึ้นแล้ว
  • เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill
  • Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่

ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com

ChatGPT บนเว็บและมือถือ

ใช้ Skill ที่ติดตั้งเองไม่ได้ ใช้ได้เฉพาะ Skill ที่มากับปลั๊กอินในไดเรกทอรี

อยากใช้ Skill นี้กับ ChatGPT ให้ใช้แอป ChatGPT บนคอมตามวิธีด้านบน

ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com

ทางที่ 1ให้ Codex ติดตั้งให้

คัดลอกประโยคนี้ไปวางในแชตของ Codex · ใช้ได้ทั้ง Codex ในแอป ChatGPT บนคอม, Codex CLI และส่วนขยายใน IDE

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.agents/skills/xiaomi-ocr-setup อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .agents/skills/xiaomi-ocr-setup) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

Codex เห็น Skill ที่ติดตั้งใหม่เอง ถ้ายังไม่ขึ้นให้ปิดแล้วเปิด Codex ใหม่ · เรียกใช้: ใน ChatGPT พิมพ์ @ แล้วเลือก Skill · ใน Codex CLI หรือส่วนขยายใน IDE พิมพ์ /skills หรือพิมพ์ $ แล้วตามด้วยชื่อ Skill

ตรวจกับเอกสารทางการล่าสุด 15 พ.ย. 2569 · แหล่ง: learn.chatgpt.com

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.agents/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/xiaomi-research/xiaomi-ocr-0.git /tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240 && mkdir -p ~/.agents/skills && cp -R '/tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240/.' ~/.agents/skills/xiaomi-ocr-0
  3. เปิด Codex ใหม่ แล้วสั่งงานที่ตรงเรื่อง Codex จะเห็น skill นี้ในรายการ

ทางที่ 1ให้ Cursor ติดตั้งให้

คัดลอกประโยคนี้ไปวางในแชตของ Cursor

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.cursor/skills/xiaomi-ocr-setup อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .cursor/skills/xiaomi-ocr-setup) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก Xiaomi-OCR-0

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: cursor.com

สำหรับคนที่ใช้ Terminal

Skill คือคำสั่งที่ AI จะทำตาม อ่านไฟล์ก่อนติดตั้ง และติดตั้งเฉพาะจากผู้ทำที่เชื่อถือได้

  1. เปิด Terminal

    Mac: กด Command+Space พิมพ์ Terminal · Windows: คำสั่งด้านล่างใช้ใน PowerShell ไม่ได้ ให้ใช้ทาง “ให้ AI ติดตั้งให้” ด้านบนแทน

  2. คัดลอกโฟลเดอร์ skill ไปไว้ที่ ~/.cursor/skills

    คำสั่งนี้ดาวน์โหลด repo ไว้ชั่วคราว แล้วคัดลอกเฉพาะโฟลเดอร์ที่มี SKILL.md

    git clone --depth 1 https://github.com/xiaomi-research/xiaomi-ocr-0.git /tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240 && mkdir -p ~/.cursor/skills && cp -R '/tmp/popnx-skill-xiaomi-research-xiaomi-ocr-0-4abc240/.' ~/.cursor/skills/xiaomi-ocr-0
  3. ใน Agent chat ของ Cursor พิมพ์ / แล้วเลือก Xiaomi-OCR-0

ทางที่ 1ให้ AI ติดตั้งให้

สำหรับแอปอื่นที่อ่าน Skill ได้ ประโยคนี้มี path ของ Claude Code, Codex และ Cursor ให้ AI เลือกตามแอปที่ใช้ · คัดลอกประโยคนี้ไปวางในแชตของแอป

ติดตั้งไว้ที่ไหน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ให้ใช้ได้ทุกโปรเจกต์ของฉัน โดยวางไว้ที่ ~/.claude/skills/xiaomi-ocr-setup (ถ้าเป็น Codex ใช้ ~/.agents/skills/xiaomi-ocr-setup ถ้าเป็น Cursor ใช้ ~/.cursor/skills/xiaomi-ocr-setup) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอก path เต็มที่จะติดตั้ง รอฉันตกลงก่อน
ช่วยติดตั้ง Skill ชื่อ xiaomi-ocr-setup จาก https://github.com/xiaomi-research/xiaomi-ocr-0 (commit 4abc240) ลงโปรเจกต์ที่แชตนี้เปิดอยู่ (ที่ .claude/skills/xiaomi-ocr-setup ถ้าเป็น Codex ใช้ .agents/skills/xiaomi-ocr-setup ถ้าเป็น Cursor ใช้ .cursor/skills/xiaomi-ocr-setup) อ่านไฟล์ทั้งหมดให้ฉันดูก่อนว่ามีสคริปต์หรือแก้ค่าตั้งเครื่องไหม แล้วบอกชื่อโปรเจกต์และ path เต็มที่จะติดตั้ง รอฉันตกลงก่อน

เลือกเฉพาะโปรเจกต์ ให้วางในแชตที่เปิดอยู่ในโฟลเดอร์ของโปรเจกต์นั้น · AI จะบอก path ให้ดูก่อนติดตั้งเสมอ

AI จะบอกก่อนว่าจะทำอะไร และขออนุญาตคุณทุกขั้น

ตรวจกับเอกสารทางการล่าสุด 12 พ.ย. 2569 · แหล่ง: code.claude.com, learn.chatgpt.com, cursor.com

สำหรับคนที่ใช้ Terminal

แอปอื่นที่รองรับ Agent Skills (เช่น Gemini CLI, GitHub Copilot) เก็บ skill ในโฟลเดอร์ต่างกัน ดูคู่มือของแอปนั้น แล้วคัดลอกโฟลเดอร์ที่มี SKILL.md ไปวาง

ดูบน GitHub ↗

ตรวจโฟลเดอร์ skill กับคู่มือทางการของ Claude Code, Codex และ Cursor เมื่อ 11 พ.ย. 2569

✓ ตรวจคำสั่งแล้ว 18 พ.ย. 2569

ดูไฟล์ต้นฉบับ SKILL.md

ข้อความต่อไปนี้มาจาก repo ของผู้ทำ ไม่ใช่คำสั่งของ PopNx MCP

3,821 ตัวอักษร · เปิดไฟล์เต็มบน GitHub

---
name: xiaomi-ocr-setup
description: Install and configure the Xiaomi-OCR-0 Skill and local MCP service for document OCR, KIE, and VQA.
---

# Xiaomi-OCR-0 Skill

The only user-facing installation prompt is:

```text
Read and execute https://raw.githubusercontent.com/SeerRay-Lab/Xiaomi-OCR-0/main/SKILL.md
```

## Install this Skill into the current agent

If this file was read from the Xiaomi-OCR-0 repository and the user asked to install it,
install only the `xiaomi-ocr` Skill globally for the current agent:

```bash
npx skills add SeerRay-Lab/Xiaomi-OCR-0 --skill xiaomi-ocr --full-depth --global --agent <current-agent> --yes
```

Replace `<current-agent>` with the current agent's Skills CLI identifier; do not install to every agent or modify a
project-local skill directory. Then inspect the current agent's MCP configuration and local
machine, and follow [backend selection in the runtime Skill](skills/xiaomi-ocr/SKILL.md#choose-the-inference-backend).
Choose the service from the existing setup, hardware, and accuracy requirements; the user
does not need to name a backend or model in the installation prompt. Apply the selected
backend's environment variables before running the installer.

The runtime imports shared `evaluation_pipeline/` and `postprocess/` modules from the full repository.
Reuse a complete checkout or clone `https://github.com/SeerRay-Lab/Xiaomi-OCR-0.git`
into a user-owned code directory. Run `skills/xiaomi-ocr/install.sh` from that checkout;
do not run a detached Skill copy without setting `XIAOMI_OCR_REPO` to the checkout.
For Codex use `bash install.sh --agent=codex`; for other agents use `bash install.sh`
and merge its generated configuration into only the current agent.

Before running `install.sh`, explain that it creates a private `.venv`, downloads the
MCP dependencies listed in `requirements.txt`, and registers one MCP server entry in
Codex config when applicable. Ask the user to authorize that step if they have not already
authorized environment creation and dependency installation. Preserve all other MCP entries.
Do not install SGLang/vLLM, create an inference environment, or download model weights
unless the user's setup authorization covers those changes. State clearly if an engine or checkpoint
would need to be downloaded; reuse existing compatible installations whenever possible.
Keep any inference listener bound to loopback and do not claim inference is ready until an
image request succeeds.

For a complete agent-assisted installation, include region mode in the setup plan: explain
that PaddlePaddle, PaddleX and PP-DocLayoutV3 weights are needed, then install them in the
MCP environment under the user's existing setup authorization. Do not ask again when
that authorization already covers these dependencies and downloads. Follow step 5 of the
runtime Skill to choose a compatible CPU/GPU build, install `requirements-paddlex.txt`,
and verify a real `mode="region"` request. Respect requests for page-only setup. If the
platform is unsupported or installation fails, report region mode as unavailable and
explain which base functions passed verification; do not claim full setup is complete.

For the runtime workflow, task selection, and output handling, follow
[`skills/xiaomi-ocr/SKILL.md`](skills/xiaomi-ocr/SKILL.md). The model is served locally
through SGLang, vLLM, or the optional Ollama backend; the MCP service performs task-specific prompting, page/region
preprocessing, and result assembly.

Choose `ocr_image`/`ocr_pdf` for document parsing, `kie_image` for JSON key fields, and
`vqa_image` for questions about a document image. Prefer region mode for printed documents;
use whole-page mode for scene text, handwriting, calligraphy, historical documents, and
other nonstandard layouts where region cuts may damage context.

พูดคุย

ถาม แชร์เคล็ดลับ หรือแจ้งว่าใช้ไม่ได้ เรียงตามที่คนกดว่ามีประโยชน์

ยังไม่มีใครโพสต์ ถามหรือแชร์เป็นคนแรกได้เลย

ข้อความในส่วนนี้เขียนโดยผู้ใช้ ไม่ใช่ทีม PopNx

เข้าสู่ระบบเพื่อโพสต์

ข้อมูลจาก GitHub

ดาว GitHub
1,153
ผู้ทำ
xiaomi-research
license
Apache-2.0
แก้โค้ดล่าสุด
10 พ.ย. 2569
ไฟล์ SKILL.md ใน repo (นับรวมสำเนาภาษาอื่นและแม่แบบ)
2