Requirements
- Target platform
- OpenClaw
- Install method
- Manual import
- Extraction
- Extract archive
- Prerequisites
- OpenClaw
- Primary doc
- SKILL.md
Tencent SkillHub · AI
Captcha Auto
智能验证码自动识别 Skill - 混合模式（本地 Tesseract OCR + 阿里云千问 3 VL Plus）。支持两阶段输入框查找、安全隐私警告。用于网页自动化中的验证码识别、填写和提交。
skill openclawclawhub Free
智能验证码自动识别 Skill - 混合模式（本地 Tesseract OCR + 阿里云千问 3 VL Plus）。支持两阶段输入框查找、安全隐私警告。用于网页自动化中的验证码识别、填写和提交。
⬇ 0 downloads ★ 0 stars Unverified but indexed
Install for OpenClaw
Quick setup
- Download the package from Yavira.
- Extract the archive and review SKILL.md first.
- Import or place the package into your OpenClaw setup.
Package facts
- Download mode
- Yavira redirect
- Package format
- ZIP package
- Source platform
- Tencent SkillHub
- What's included
- SKILL.md, _meta.json, index.mjs, package.json, scripts/run.mjs
Validation
- Use the Yavira download entry.
- Review SKILL.md after the package is downloaded.
- Confirm the extracted package contains the expected setup assets.
Install with your agent
Agent handoff
Hand the extracted package to your coding agent with a concrete install brief instead of figuring it out manually.
- Download the package from Yavira.
- Extract it into a folder your agent can access.
- Paste one of the prompts below and point your agent at the extracted folder.
New install
I downloaded a skill package from Yavira. Read SKILL.md from the extracted folder and install it by following the included instructions. Tell me what you changed and call out any manual steps you could not complete.
Upgrade existing
I downloaded an updated skill package from Yavira. Read SKILL.md from the extracted folder, compare it with my current installation, and upgrade it while preserving any custom configuration unless the package docs explicitly say otherwise. Summarize what changed and any follow-up checks I should run.
Trust & source
Release facts
- Source
- Tencent SkillHub
- Verification
- Indexed source record
- Version
- 1.0.7
Provenance
- Publisher
- AnnoyingC
- Source page
- View original listing
- Canonical URL
- Open canonical page
Documentation
Captcha Auto Skill - 混合模式 v1.0.7
利用 本地 OCR + 视觉大模型降级 智能识别网页验证码，平衡成本与准确率。 实测成功率：6/6 (100%) - 已在多个真实网站验证（国家统计局、Telerik、Digivarsity 等）
⚠️ 重要：安装路径说明
** Clawhub 默认安装到当前工作目录的 ./skills 子目录！**
✅ 正确的安装方式
# 方式 1：进入 workspace 目录安装（推荐） cd ~/.openclaw/workspace clawhub install captcha-auto # 方式 2：使用 --workdir 参数（任何目录都可以） clawhub install captcha-auto --workdir ~/.openclaw/workspace # 方式 3：设置环境变量（永久生效） export CLAWHUB_WORKDIR=~/.openclaw/workspace clawhub install captcha-auto
❌ 错误的安装方式
# 不要在 home 目录直接运行！ cd ~ clawhub install captcha-auto # 会安装到 ~/skills/captcha-auto ❌
验证安装位置
# 正确位置 ls -la ~/.openclaw/workspace/skills/captcha-auto/ # 如果装错了（在 ~/skills/），删除并重新安装 rm -rf ~/skills/captcha-auto cd ~/.openclaw/workspace clawhub install captcha-auto
⚠️ 安全与隐私警告
安装前请仔细阅读：
🔒 1. 截图会发送到第三方 API
本技能会截取网页全屏截图并发送到阿里云 DashScope API ❌ 不要在包含密码、银行卡、个人信息的页面使用 ✅ 仅在验证码页面使用 📸 截图仅用于 API 识别，不会存储或上传到其他服务
🔑 2. 必需配置 API Key
环境变量：VISION_API_KEY 或配置文件：~/.openclaw/openclaw.json 或命令行参数：--api-key ✅ 无硬编码凭证 - API Key 完全由用户控制
🌐 3. 需要 Chrome 浏览器
系统必须安装 Google Chrome 或 Chromium 支持 macOS、Linux、Windows
视觉模型 API（降级方案必需）
本 Skill 需要阿里云千问 3 VL Plus API Key，用于当本地 OCR 失败时的降级识别。 推荐配置（阿里云千问 3 VL Plus）： export VISION_API_KEY="sk-your-api-key" export VISION_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1" export VISION_MODEL="qwen3-vl-plus" 说明： qwen3-vl-plus 是阿里云千问 3 视觉模型，国产性价比最高的视觉模型 Base URL 使用阿里云 DashScope 兼容模式 API Key 需在阿里云 DashScope 控制台申请
其他配置方式
OpenClaw 配置 编辑 ~/.openclaw/openclaw.json： { "models": { "providers": { "bailian": { "baseUrl": "https://dashscope.aliyuncs.com/compatible-mode/v1", "apiKey": "sk-your-api-key" } } } } 命令行参数 node scripts/run.mjs --url="https://example.com" --api-key="sk-xxx" --model="qwen3-vl-plus"
功能特性
🎯 混合识别 - 本地 Tesseract OCR 优先，失败自动降级视觉模型 💰 成本优化 - 简单验证码本地解决（零成本），复杂情况用视觉模型 🔍 自动定位 - 智能查找验证码输入框和提交按钮（支持 iframe） ✍️ 自动填写 - 识别后自动填写并提交 📸 全程记录 - 截图保存每一步操作 🌐 通用适配 - 支持任何包含验证码的网页 ✅ 实测验证 - 已在 6 个真实网站测试，成功率 100%
🧪 测试成功案例
网站验证码类型结果captcha.com/demos标准文本✅captcha-generator-basiakedz.netlify.app随机文本✅tjy.stats.gov.cn (国家统计局)数字验证码✅solvecaptcha.com/demo字母数字混合✅demos.telerik.com/aspnet-ajax/captchaASP.NET 验证码✅aibe.digivarsity.online用户认证验证码✅
1. 从 Clawhub 安装
重要：必须在 ~/.openclaw/workspace 目录下运行安装命令！ # ✅ 正确：在 workspace 目录安装 cd ~/.openclaw/workspace clawhub install captcha-auto # ❌ 错误：在 home 目录安装（会装到 ~/skills/） cd ~ clawhub install captcha-auto # 不要这样！ 验证安装位置： ls -la ~/.openclaw/workspace/skills/captcha-auto/
2. 安装依赖
cd ~/.openclaw/workspace npm install
3. 配置视觉模型 API Key
export VISION_API_KEY="sk-your-api-key" export VISION_BASE_URL="https://dashscope.aliyuncs.com/compatible-mode/v1" export VISION_MODEL="qwen3-vl-plus"
3. 运行
node skills/captcha-auto/scripts/run.mjs --url="https://example.com/login"
4. 查看结果
运行后生成截图文件（保存在 ~/.openclaw/workspace/）： smart_captcha_page.png - 原始页面截图 smart_captcha_filled.png - 填写验证码后的截图 smart_captcha_result.png - 提交后的结果截图
从 Clawhub 安装（再次强调安装位置）
# ⚠️ 必须在 ~/.openclaw/workspace 目录下运行！ cd ~/.openclaw/workspace clawhub install captcha-auto
基本用法
# 混合模式（本地 OCR 优先，失败降级视觉模型） node skills/captcha-auto/scripts/run.mjs --url="https://example.com/login"
自定义配置
# 指定输出前缀 node scripts/run.mjs --url="https://example.com" --prefix="my_login" # 直接使用视觉模型（跳过本地 OCR） node scripts/run.mjs --url="https://example.com" --skip-local # 命令行覆盖配置 node scripts/run.mjs --url="https://example.com" --api-key="sk-xxx" --model="gpt-4o" # JSON 输出（方便程序解析） node scripts/run.mjs --url="https://example.com" --json
在其他脚本中使用
import { recognizeCaptcha } from './skills/captcha-auto/index.mjs'; const result = await recognizeCaptcha({ url: 'https://example.com/login', outputPrefix: 'my_test', apiKey: 'sk-xxx', baseUrl: 'https://dashscope.aliyuncs.com/compatible-mode/v1', model: 'qwen3-vl-plus' }); if (result.success) { console.log(`✅ 验证码：${result.text}`); console.log(`识别方式：${result.method}`); } else { console.error(`❌ 失败：${result.error}`); }
人类可读模式（默认）
🤖 Captcha Auto Skill v1.0.2 (混合模式) ============================================================ 目标：https://example.com/login 视觉模型：qwen3-vl-plus ============================================================ 🔍 尝试本地 Tesseract OCR 识别... 识别进度：45% 识别结果："ABC123" (置信度：52.3%) ⚠️ 本地 OCR 置信度过低，需要降级到视觉模型 ⚠️ 本地 OCR 不可靠，降级到视觉模型... 🧠 降级到视觉模型识别... ✅ 视觉模型识别成功：ABC123 ✅ 完成！验证码：ABC123 识别方式：视觉模型
JSON 模式（--json）
{ "success": true, "text": "ABC123", "method": "vision", "analysis": { "captchaText": "ABC123", "captchaLocation": "登录框右侧", "inputLocation": "验证码图片左侧", "buttonLocation": "输入框下方", "buttonText": "登录" }, "screenshots": { "page": "/Users/xxx/.openclaw/workspace/smart_captcha_page.png", "filled": "/Users/xxx/.openclaw/workspace/smart_captcha_filled.png", "result": "/Users/xxx/.openclaw/workspace/smart_captcha_result.png" }, "metadata": { "url": "https://example.com/login", "model": "qwen3-vl-plus", "timestamp": "2026-02-24T12:00:00Z" } }
工作原理
1. 打开目标网页并截图 2. 第一层：本地 Tesseract OCR 识别 - 置信度 >= 60% → 使用结果 - 置信度 < 60% → 降级 3. 第二层：视觉模型分析截图 - 调用阿里云千问 3 VL Plus - 返回验证码文字和位置信息 4. 自动查找输入框并填写 5. 自动点击提交按钮 6. 截图记录结果
优势
✅ 成本优化 - 简单验证码本地解决（零 token 消耗） ✅ 高成功率 - 视觉模型兜底，复杂验证码也能处理 ✅ 通用性强 - 无需分析网页结构，自动适配 ✅ 高性价比 - 使用阿里云千问 3 VL Plus（国产性价比最高）
局限
⚠️ 需要 API Key - 视觉模型降级需要配置第三方 API ⚠️ 本地 OCR 限制 - 严重扭曲/干扰线的验证码本地识别率低 ⚠️ Canvas 验证码 - 某些动态绘制的验证码可能不支持 ⚠️ Token 成本 - 视觉模型调用消耗 token（约 0.01-0.05 元/次）
本地 OCR 总是失败
原因：验证码过于复杂（扭曲、干扰线、背景噪声） 解决：使用 --skip-local 直接用视觉模型 node scripts/run.mjs --url="https://example.com" --skip-local
API 401 错误
检查：VISION_API_KEY 是否正确 echo $VISION_API_KEY
API 404 错误
检查：VISION_BASE_URL 是否正确 echo $VISION_BASE_URL # 应为：https://dashscope.aliyuncs.com/compatible-mode/v1
找不到 Chrome 浏览器
macOS：安装 Google Chrome # 下载地址：https://www.google.com/chrome/ Linux：安装 Chromium sudo apt install chromium-browser
版本历史
v1.0.7 - 统一版本号、完善安全警告（强调无硬编码凭证）、添加跨平台支持说明 v1.0.6 - 更新文档：添加测试成功案例表、增强安全警告说明、修复路径引用 v1.0.5 - 优化输入框查找逻辑、改进按钮点击策略 v1.0.4 - 添加 iframe 支持、优化 accessibility 分析 v1.0.3 - 修复元数据匹配（env: VISION_API_KEY, bins: node + google-chrome）；添加安全与隐私警告（截图会发送到第三方 API）；运行时显示安全提示 v1.0.2 - 混合模式（本地 Tesseract OCR + 阿里云千问 3 VL Plus 视觉模型降级）；两阶段输入框查找策略；支持无 placeholder 的验证码输入框
必需
Node.js >= 18 - 运行环境 playwright-core - 浏览器自动化 tesseract.js - 本地 OCR 引擎 Chrome/Chromium - 系统需安装浏览器 视觉模型 API Key - Qwen/GPT-4V/Claude 等（降级必需）
环境检查
# 检查 Node.js node --version # 需 >= 18 # 检查 Chrome（macOS） ls /Applications/Google\ Chrome.app/Contents/MacOS/Google\ Chrome # 检查 API Key echo $VISION_API_KEY
授权
MIT
Category context
Agent frameworks, memory systems, reasoning layers, and model-native orchestration.
Source: Tencent SkillHub
Largest current source with strong distribution and engagement signals.
Package contents
Included in package
2 Scripts2 Config1 Docs
- SKILL.md
- index.mjs
- scripts/run.mjs
- _meta.json
- package.json