直接回答
可靠的表单提取应是分阶段工作流，而不是一次模型提示。保留原始图片或文档作为证据，生成带版本的 OCR 结果，再把原文字段映射成有类型的候选值，逐项验证，展示不确定性和来源，最后由用户纠正或拒绝后再保存、导出。`OCR-DEDICATED-01` 说明文字识别结果可以由块、行和元素等结构组成，而非一段无法追溯的字符串。`COVE-OCR-01` 记录了 Cove Photo 的实现路径：可见文字与其他结果分开表示，并支持复制或仅 OCR 历史导出。这些事实支持区分处理阶段，但不能证明某种表单、字段、语言或图像一定识别准确。 第一条边界是“识别到的文字”和“解释后的字段”不同。OCR 可能返回文本及其结构位置；后续解析器才会推断某段是日期、金额、地址或编号。应同时保留识别原文和映射值，并能互相定位。不能悄悄修改前导零、标点、日期顺序、小数分隔符或编号。必需字段没有对应原文时，应记录为“缺失”，而不是生成一个看似合理的值。如果两个文本片段都可能填入同一字段，应保留歧义状态，除非存在清楚且经过测试的选择规则。 将提取结果设计成有类型且有版本的结构。每个字段可以包含候选值、原文片段、仅在实现确实定义时才有的置信类别、校验结果和审核状态。不要编造数值置信分数。状态至少区分已接受、需复核、缺失、拒绝和暂不支持。未知字段应该依据明确的版本策略保留或拒绝，而不是无声丢弃。记录 OCR 引擎与配置、图像预处理版本、解析器版本和字段结构版本，以便以后定位变化；一份样例成功不能变成准确率宣传。 人工复核界面要靠近来源。用户选中字段时应能看到对应原文，适合时还要能查看对应图像区域。显示诸如去除空格或应用日期格式等变换。用户可以恢复原文字段、修正、留空或取消整次提取。对于支付参考号、药品标签或账户编号等有实际影响的数据，应明确要求确认，不要把模型解释呈现为已验证事实。导出时默认只包含已复核字段，或清楚标出仍未确认的候选值。 使用带版本的合成样例集覆盖清晰文字、低对比、倾斜、多列、重复标签、缺项、歧义日期、标点、前导零和意外文字；若不支持手写，就不要顺带暗示覆盖手写。为每个字段定义预期属性，而不是只判断最终表格看起来是否漂亮。分别检查拍照/导入、旋转和预处理、OCR 结构、字段映射、校验、人工编辑、保存、导出和删除。表单经常含个人信息，因此源图和派生文字的保留策略必须清楚。自动化使用合成样例，不记录真实表单内容。失败要能恢复：按用户选择保留源文件、标明部分提取、允许修改，并避免用未经复核的猜测覆盖旧记录。 所有对外描述都要受确切实现和测试集约束。“应用在这组样例中能提取这些字段”是有限声明；“离线准确读取任何表单”不是。若把专用 OCR 库与本地语言模型组合，应分别说明两者职责。OCR 输出是识别文字的证据，并不能证明下游语义字段正确。将这些阶段分离有助于测试、允许用户纠错，也能阻止无证据的准确率或设备兼容说法进入产品文案。
用户在确认报销前提取收据字段
收据图像含商户名、日期、总额和参考编号。OCR 返回多行文本，解析器需把文本映射到字段，其中部分值存在歧义。
决策
在建议字段旁保留原文片段，标记歧义，并在写入报销记录或导出前要求用户复核。
预期结果
保存的记录来自已确认值，能够保留用户修改，不会静默伪造缺失编号或规范化不确定数字。
需要收集的证据
只有将以下证据与同一模型文件和测试运行关联起来，结论才可复核：
- OCR-DEDICATED-01：识别文本可按块、行、元素组织
- COVE-OCR-01：项目代码区分结构化可见文本与导出
- ANDROID-CAMERAX-ANALYSIS-2026-01：图像帧有明确资源释放要求
任务质量需要有版本记录的语料和验收规则；流畅的单条样例不等于准确度结果。
实施流程
- 给图像来源和 OCR 阶段加版本. 记录样例标识、方向/预处理版本、OCR 库配置和结构化结果。原始识别片段必须与语义解释分开保存。
- 将原文映射到有类型的候选字段. 为日期、金额和编号使用明确规则。每个候选都关联来源片段，并区分缺失、歧义、无效和暂不支持。
- 校验但不要静默纠错. 确定性检查必需字段和格式。除非规则明确且界面展示变换，不得修改前导零、货币分隔符、编号或日期顺序。
- 建立来源可回看的人工复核. 允许用户查看候选字段对应的 OCR 文本或图像区域，进行修正、留空或取消；影响保存记录的字段应有显式确认。
- 测试保存与隐私路径. 用合成表单测试保存、编辑、导出、删除、生命周期恢复和日志。确认默认只导出复核过的值，原始表单内容不进入遥测。
让每个阶段的状态都可观察。失败信息应指出阶段、模型、运行时和恢复动作，同时避免记录用户私密内容。
验收标准
- 每个候选值都关联 OCR 原文片段并有明确状态；缺失或歧义输入不会被静默伪造。
- 用户可修改、拒绝或留空；未审核候选不会在保存或导出中被表达成已验证事实。
- 有版本的合成测试覆盖数据变换、失败、持久化、删除和隐私敏感诊断输出。
决策对照表
| 维度 | 选择或证据 | 解读方式 |
|---|---|---|
| OCR 文本 | 识别出的原文字段 | 记录识别器返回内容，但不能证明字段语义。 |
| 字段映射 | 有来源的类型化候选值 | 连接证据和校验规则，同时保留不确定性。 |
| 已复核记录 | 用户确认的输出 | 可按产品契约保存或导出，但仍不是普遍准确率保证。 |
需要避免的失败模式
- 把 OCR 原文直接当成已验证字段
- 静默改写日期或编号
- 将一份样例的结果说成普遍准确率
还要避免静默回退、版本未固定、缺少取消处理，以及把不同配置的结果混在一起下结论。失败运行也应与成功记录一并保存。
最小复现记录
| 层级 | 记录内容 |
|---|---|
| 设备 | 厂商、型号、芯片、内存档位、操作系统版本 |
| 软件 | 应用版本和 Git 提交号 |
| 模型 | 系列、变体、版本、格式、文件长度、摘要、量化方式 |
| 运行时 | 名称、版本、请求后端及实际后端证据 |
| 工作负载 | 样例版本、输入摘要、提示词摘要、输出策略 |
| 结果 | 完成、失败、取消、回退及保护隐私的诊断信息 |
发布检查表
- ☐ 主要搜索问题已回答，且没有未经支持的数字。
- ☐ 所有模型文件和运行时版本均已固定。
- ☐ 代表性任务和失败处理策略均有说明。
- ☐ 生命周期、取消、清理和回退均已测试。
- ☐ 用户内容与网络边界均有说明。
- ☐ 结论只适用于被记录的配置。
- ☐ 新增测试结果时链接到原始方法或证据。
来源与相关证据
中文部署与排错专题见。奇连 AI 端侧专题。
常见问题
OCR 输出能证明提取金额正确吗？
不能。OCR 只提供识别文字；解析器仍可能选错片段或误解分隔符。应保留每个字段对应的原文来源，展示格式转换，并要求用户复核不确定或有影响的金额。
缺失字段应该交给模型补齐吗？
没有明确产品规则和证据时不应补造。应将字段标记为缺失或歧义，保留原始材料和其他已确认值，让用户提供或确认，而不是静默生成数据。
一个表单样例能证明广泛提取准确率吗？
不能。结果仅适用于记录的样例、预处理、OCR、解析器和字段结构。准确率主张需要有代表性的版本化评测集、预先声明的评分方法和可复核的原始运行记录。