rikkahub 中文文档 下载 App

多模态输入与 OCR 降级 · 图片 PDF DOCX 自动提取

RikkaHub 的多模态支持

你不仅可以发纯文本消息。RikkaHub 支持在任意消息中附加图片和文档，并会根据你选择的模型能力自动处理：

模型能力RikkaHub 处理方式
✅ 支持视觉输入（GPT-4o / Gemini / Claude）图片编码为 base64 直接传给模型
❌ 不支持视觉（GPT-4 / Claude 3.5 Haiku 等）自动用 OCR 模型提取文字，把文字注入消息
✅ 支持文档处理文档文本直接提取注入（所有模型通用）

支持的文件类型

图片

任何 Android 能识别的图片格式。附加后：

文档

格式扩展名处理方式
PDF.pdf文本提取注入
Word.docx文本提取注入
PowerPoint.pptx文本提取注入
电子书.epub文本提取注入

不支持 .doc（旧版 Word）、.xls（旧版 Excel）、.ppt（旧版 PowerPoint）等。

大文档的风险

提取后的完整文本会注入到模型的上下文窗口中。几百页的 PDF 很容易超出 8k token 窗口。收到上下文长度报错时：

如何附加文件

点击聊天输入栏左侧的 + 按钮（添加附件），选择：

方式说明
相机当场拍照，图片自动保存并附加
相册 / 文件从设备选一张或多张图片 / 文档
剪贴板粘贴复制图片后在输入框里粘贴，自动识别附加
从其他应用分享用 Android 分享功能直接分享到 RikkaHub

已附加的文件以标签形式显示在输入框上方。点击标签上的 × 可以移除。

OCR 降级详解

OCR 降级是 RikkaHub 最聪明的设计之一——让不支持视觉的模型也能"看"图。

配置 OCR 模型

  1. 打开 设置 → 模型
  2. 设置一个 OCR 模型——从你已配置的提供商中选一个支持视觉的模型
  3. 速度快、成本低的视觉模型即可（比如 GPT-4o-mini 也有视觉能力）

OCR 流程

你附加了一张图片 →
发送消息时，RikkaHub 检查当前聊天模型是否支持视觉 →
  ✅ 支持 → 图片编码为 base64，直接传给主模型
  ❌ 不支持 → RikkaHub 把图片发给 OCR 模型（你配置的视觉模型） →
            OCR 模型转录文字 →
            转录后的文字注入到你的消息开头 →
            主模型收到的是文字描述（而不是图片）

OCR 缓存

OCR 结果会缓存最多三天。同一张图片如果在三天内重复发送，RikkaHub 直接复用缓存的文字，不会再次调用 OCR 模型——节省成本和时间。

OCR 提示词自定义

可以在 设置 → 模型 → OCR 提示词 里自定义 OCR 模型的指令，比如：

文件大小注意事项

典型用法

用法 1：把截图发给不支持视觉的模型

你用的是便宜的纯文本模型，拍了一张报错截图。附加后 RikkaHub 自动 OCR，模型能"读到"截图里的文字。

用法 2：对 PDF 提问

附加一份 PDF，让 AI "总结这份报告的核心观点"。RikkaHub 自动提取 PDF 文本注入消息。

用法 3：翻译 Word 文档

附加 .docx 文件，让 AI "把这份文档翻译成英文，保留格式"。

RikkaHub 对用户隐私的影响

多模态输入涉及敏感信息的情况：