QClaw当前不支持手写文字识别，需通过OCR预处理、微信内置OCR、自定义Skills调用云API或本地OCR脚本联动四种方式实现手写笔记数字化。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 免费无限量使用 DeepSeek R1 模型☜☜☜
如果您尝试让QClaw处理手写笔记，但发现其未自动提取或转换内容，则可能是由于QClaw当前版本未原生集成手写文字识别（HWR）能力。以下是实现手写笔记识别与数字化的可行路径：
一、通过OCR工具预处理后导入QClaw
QClaw本身不直接调用手写图像识别模型，但支持接收结构化文本输入。可先使用专用OCR工具将手写笔记转为可编辑文本，再交由QClaw执行后续操作（如归档、摘要、转邮件等）。
1、使用支持手写识别的OCR软件（如MyScript Nebo、Microsoft OneNote或腾讯文档OCR）拍摄或导入手写笔记图片。
2、在OCR工具中启用“手写体”识别模式，并校对修正识别结果。
3、将识别后的纯文本复制至微信对话框，发送给已绑定的QClaw账号。
4、向QClaw发出指令，例如：“把刚才的笔记整理成带日期标题的Markdown格式，保存到‘学习笔记’文件夹”。
二、借助微信内置OCR能力间接触发QClaw
微信App自身具备基础图片文字识别功能，可在不离开微信生态的前提下完成手写内容提取，再无缝流转至QClaw处理。
1、在微信聊天界面长按含手写内容的图片，点击“提取文字”选项。
2、确认识别结果无误后，点击右上角“转发”图标，选择已绑定QClaw的对话窗口。
3、在转发时附加自然语言指令，例如：“这是我的会议手写记录，请提取行动项并生成待办清单”。
三、使用QClaw的Skills调用第三方API实现端到端识别
QClaw开放Skills扩展机制，用户可配置自定义技能，对接支持手写的云OCR服务（如腾讯云OCR手写体识别接口），使识别与执行形成闭环。
1、登录QClaw设置界面，进入“Skills管理”→“新增自定义Skill”。
2、填写Skill名称为“手写笔记转文本”，选择触发方式为“收到含图片消息时自动运行”。
3、在API配置中填入腾讯云OCR手写识别接口地址及对应SecretId/SecretKey。
4、设定返回字段映射规则，将OCR响应中的WordsResult内容自动作为下一步指令输入源。
5、启用该Skill后，向QClaw发送手写图片，系统将自动调用API识别并执行后续任务链。
四、利用QClaw本地文件监听+OCR脚本联动
QClaw支持监控指定文件夹变化，结合轻量级本地OCR脚本（如PaddleOCR的手写模型），可在不依赖网络API的情况下完成离线识别与调度。
1、在电脑桌面新建名为“Handwritten_Scan”的文件夹。
2、将PaddleOCR的handwritten_rec模型及相关Python脚本部署至本地，并配置输出路径为上述文件夹。
3、在QClaw设置中启用“文件夹监听”，指定路径为“Handwritten_Scan”，动作设为“检测到新txt文件即执行”。
4、将手写笔记拍照后，用脚本批量识别并生成同名.txt文件放入该文件夹。
5、QClaw自动捕获该文件，并根据预设规则执行：“将文件内容按语义分段，每段添加编号，存为PDF并邮件发送给我”。
