软件工具推荐：
- Mathpix Snipping Tool：Image To Latex，专业数学公式 OCR 工具
- PDF Reader Pro：功能齐全且强大的 PDF 阅读器，但非免费（可破解）
前言
OCR（Optical Character Recognition，光学字符识别）是计算机视觉领域的一项基础应用技术，它允许从图像文件中识别和提取文字。
这项技术可以处理各种类型的图像，包括扫描的文档、照片、屏幕截图等，并将图像中的文字转换成可编辑、可搜索的文本数据。
云服务厂商都推出了专门领域的商业级文字识别服务。
- 交通与停车管理，车牌号识别
- 金融机构，识别银行支票、信用卡申请表和其他金融文件上的信息
- 科研机构，纸质文字转化为电子文档，方便传播
如果你从事上述专业领域，或许 OCR 早就已经在公司广泛使用。
在大语言模型（LLM）出现之前，使用 Linux 的 grep、awk、sed 等工具（我更习惯使用 Python）可以对结构化或半结构化的文本进行数据处理，网络爬虫走的就是这条路子。
然而，对无结构化的数据往往束手无策，或者效果较差。
作为普通打工人，一些事务性的手工操作类工作可以思考使用 OCR、LLM 提效。
一、快速介绍
1.1 OCR 使用示例
图片信息：
OCR 输出：
Page 1
大大威
化
那有可能，有个nvidia ×会影响图形
鲤醜
的？
但是我看实例配置是支持驱动升级
13:18
大大威
是支持
大大威：
但要看你卸载或者安装的有部分东西
弄没弄干净了
大大威
通常 yum源安装很少会有这个问题
鲤醜
好吧
鲤醜
谢谢
1.2 文本处理
将上述文本进行格式优化，需进行手工操作。或许还有其他方法！
在 Kimi 上传附件识别图片内容：
这张图片是一个聊天记录的截图，显示了两个人之间的对话。对话内容如下：
1. **大大威✨** 提到可能有个问题，nvidia x 可能会影响图形化。
2. **鲤醜** 回应说，他看到实例配置是支持驱动升级的。
3. **大大威✨** 确认说，是支持的，但需要检查卸载或安装过程中是否有部分内容没有清理干净。
4. **鲤醜** 表示理解，并感谢对方的帮助。
整个对话似乎是在讨论与nvidia显卡驱动升级相关的问题。
二、场景一：IM 群聊签到
2.1 背景
公司使用内部 IM 软件进行沟通，每天需要在群聊中发送“1”消息以工作签到。
领导安排我每周一统计上周各同事的签到情况，作为考核依据。
因公司内部软件截图都有水印，因此不方便附图。
工作特征：
- 重复性：每周一都要做的工作，且工作内容不变
- 繁琐性：依靠手工统计每次耗费 3 小时左右，且耗费心力
2.2 方法一：手工操作
最朴素的方式，大多数人出于本能经验的首选方案。
2.3 方法二：OCR + 手工操作
步骤概述：
- 使用电脑、手机、App 内置功能的选择、截图等获取原数据；
- 使用 OCR 工具将文件或图像转化为可编辑文本 Txt；
- 🌟在电脑上使用复制粘贴，将数据汇总到 Excel 表格或 Word 表格。
步骤 1 和步骤 2 即便是非常大的数据量，耗费时间也很短，而步骤 3 依赖于手工操作，耗时费力。
2.4 方法三：LLM
现在遇到任何问题，都建议先问一下 LLM
步骤概述：
- 使用手机或 App 内置功能的多选、截图等获取原数据；
- 上传附件到 Kimi、豆包等功能较丰富的 LLM，表达意图获取目标输出。
可考虑在 Coze 中搭建一个工作流可以是值得尝试的，进一步提高自动化程度。
三、场景二：金额票据归纳汇总
3.1 背景
客户提供 103 页的金额票据文档，格式为 pdf，每页表示一张金额票据。发票格式多种多样，主要包括标准打印发票、收款收据。
现需将票据信息项包括时间、商品名称、金额、签收人、备注等，汇总为一个表格。
图片示例：
汇总表格示例：
| 序号 | 开票日期 | 商品名称及规格 | 金额（元） | 签收人 | 备注 |
|---|---|---|---|---|---|
| 1 | 2023/1/3 | 机制砂（6方） | 1440 | 丁贾 | |
3.2 方法一：手工操作
适用场景：票据数量较少或格式极其复杂
创建 Excel 表格，肉眼查看数据信息，汇总。
3.3 方法二：OCR + LLM
适用场景： 票据数量多
103 页的文档使用方法一，耗时 2 天勉强可行，但如果是 1000 页的 pdf 呢？如果纯手工操作实在心累。
直接上传附件到 Kimi 或者豆包，存在两个缺陷：第一计算过程是黑盒子，识别情况完全不可知；第二处理海量数据困难，无法输出预期目标。
考虑使用 OCR 工具先对文件进行预处理。
步骤概述：
- 使用 OCR 工具将 pdf 文件转化为可编辑 Txt 文件，简单预处理；
- 将 Txt 文件上传给 Kimi、豆包，输入提示词获取目标样式；
- 校验：
- 人工抽检
- 多工具互相对抗，查漏补缺
有必要简单介绍校验过程。
3.3.1 人工抽检
使用 OCR、LLM 获得了预期目标，但是数据的可信度有多少呢？
OCR 和 LLM 底层实现都依赖于算法，而算法性能效果或高或低，且对不同数据展现出不同的适应性。
对 103 张 pdf 金额票据随机抽取 10 张，手工校验确认，如果 10 张都是正确的，那么我们可以断定效果是不错的。
如果在手工校验中发现效果不理想，那么意味着数据不可信。
3.3.2 多工具对抗
类比你作为领导做一件事，分配给多个人同时去做。最后基于多来源信息，站在全局角度做自己的判断，是获得掌控力，避免被下属牵着鼻子走的有效手段。
缺点是：资源冗余。
OCR、LLM 工具很多。
使用一组工具而不是一个来获取预期目标，然后让输出结果进行对抗学习，以达到“公认”的目标。
3.4 方法三：外包出去或购买高阶商业软件服务
适用场景： 票据数量多且格式复杂，OCR 与 LLM 难以应付。
我们应将有效的时间放在更值得关注、更有创造力的工作中去。
推荐优先购买商业服务，因为性价比是更高的。
四、思考感悟
面对重复、繁琐的工作内容，应该主动思考是否有提效的方法？有这个想法或意识是生产力提高的前提。
将 LLM 作为你的生活、工作秘书，遇到任何问题，都推荐先去问问 LLM 解决思路。
小红书、抖音、百度是不错的中文领域问题解决方案搜索平台，但知乎、Google、GitHub（需要科学上网）往往会获得更高质量的资料信息。
或许，你在工作中遇到的问题或困难，是一个非常具有价值的创业灵感！
附件
- 百度网盘：
通过网盘分享的文件：PDF_Reader_Pro_5.0.0_TNT__xclient.info.zip
链接: pan.baidu.com/s/1Ifgfl203…
提取码: wttg
- 夸克网盘：
我用夸克网盘分享了「PDF_Reader_Pro_5.0.0_TNT__xclient.info.zip」，点击链接即可保存。打开「夸克APP」，无需下载在线播放视频，畅享原画5倍速，支持电视投屏。
提取码：BXhT
