一、实训时间

2026年6月8日 - 2026年6月12日

二、阶段工作目标

对OCR识别功能进行全面优化，提升识别速度、完善提示词策略、优化前端展示效果、修复遗留Bug，使OCR功能达到生产可用状态。

三、识别速度优化

（一）模型选择与测试

通过curl命令行测试多个豆包模型的响应速度：

curl https://ark.cn-beijing.volces.com/api/v3/chat/completions \ -H "Authorization: Bearer $API_KEY" \ -d "{\"model\": \"doubao-seed-2-0-lite-260215\", \"messages\": [{\"role\": \"user\", \"content\": \"你好\"}]}"

测试结果对比

模型	响应速度	准确度	选用
doubao-seed-2-0-pro-260215	慢	⭐⭐⭐⭐⭐	❌
doubao-seed-2-0-lite-260215	中	⭐⭐⭐⭐	❌
doubao-seed-2-0-mini-260428	较快	⭐⭐⭐⭐	✅ 最终选用

最终选择doubao-seed-2-0-mini-260428作为默认模型，在速度和准确度间取得最佳平衡。

（二）图片压缩参数优化

优化项	优化前	优化后	效果
最大宽度	1000px	400px	图片尺寸减少60%
JPEG质量	0.5	0.3	文件大小再减40%
压缩阈值	50KB	30KB	更小图片也压缩
最终大小	100-200KB	30-60KB	传输时间减60%

（三）提示词精简

第一步提示词优化

✏️ 优化前： "你是一个专业的OCR识别助手。请仔细识别图片中的文字内容，自动判断文字排版方向..."

优化后： "直接输出图片中的文字内容，保留原文的断句和换行，不要任何解释。"

第二步提示词优化

✏️ 优化前： 大段系统提示词 + 详细格式说明

优化后： 极简JSON格式要求 + "用大白话翻译（像朋友聊天一样通俗易懂）"

优化效果： 总耗时从30-50秒降至15-35秒，减少约50%。

四、识别质量提升

（一）大白话翻译

提示词从"现代文翻译"改为"用大白话翻译（像朋友聊天一样通俗易懂）"。

效果对比

优化前	优化后
怀素籍贯长沙，自幼侍奉佛法	怀素是长沙人，小时候就当了和尚

（二）标点符号自动添加

在第二步JSON格式中新增originalTextWithPunctuation字段，要求模型为无标点古文添加标点。

效果对比

优化前	优化后
天地玄黄宇宙洪荒日月盈昃辰宿列张	天地玄黄，宇宙洪荒。日月盈昃，辰宿列张。

（三）断句保留

第一步提示词增加"保留原文的断句和换行"，前端CSS使用white-space: pre-wrap保留换行符，使识别结果保持原有段落结构。

五、前端体验优化

（一）图片对照展示

在结果对话框中增加左侧图片展示区域（占40%宽度），与右侧原文形成左右对照。图片使用el-image组件，支持点击放大预览（preview-teleported）。

（二）实时状态细化

将处理状态从简单的"处理中"细化为：

• PROCESSING：显示"识别原文中..."，进度0-45%

• ORIGINAL_READY：显示"翻译生成中..."，进度60-90%

• COMPLETED：显示"已完成"，进度100%

每个状态对应不同的loading文案和进度条颜色。

（三）按钮对齐修复

.action-buttons { display: flex; align-items: center; justify-content: center; gap: 6px; white-space: nowrap; }

（四）空值保护

全面添加null安全检查：

• record.originalFileName || '-'：表格显示

• currentOCR.originalFileName || '未知'：对话框

• const file = uploadForm.value.file：上传前保存引用

六、Bug修复清单

问题	代码层面原因	修复方案
401认证失败	@ConfigurationProperties(prefix = "ocr")读取不到ocr.api.key	改为prefix = "ocr.api"
图片接口403	SecurityConfig未放行GET请求	添加.antMatchers(HttpMethod.GET, "/api/ocr/image/**").permitAll()
error_message溢出	@Column默认VARCHAR(255)	截断500字符 + 数据库ALTER TABLE改为TEXT
翻译内容挤在一起	vocabArr解析异常导致整个try-catch失败	各字段独立getStr，单字段失败不影响其他
按钮不对齐	el-button直接放el-table-column中	外层div + flex容器
Cannot read properties of null	uploadForm.value.file.name在resetUploadForm()后为null	上传前const file = uploadForm.value.file保存引用

七、阶段项目成果

（一）性能优化成果

• 识别速度提升50%：总耗时从30-50秒降至15-25秒

• 模型升级：从Lite版升级到Mini版，速度更快，精度不降

• 图片压缩优化：传输体积减少70%，API响应更快

• 提示词精简：减少冗余指令，提升AI处理效率

（二）体验优化成果

• 大白话翻译：翻译更接地气，用户更容易理解

• 自动加标点：无标点古文自动断句，阅读体验大幅提升

• 图片对照：左右分栏展示，原文与图片对照查看

• 细化状态：多阶段进度展示，用户感知更清晰

（三）Bug修复成果

• 修复认证、权限、字段溢出等6个影响稳定性的Bug

• 全面添加null安全检查，系统鲁棒性大幅提升

• 修复UI布局问题，视觉体验更统一

八、阶段总结与后续规划

（一）阶段总结

在6月8日至6月12日的实训周期内，我对OCR功能进行了全面优化与完善。通过模型选型优化、图片压缩参数调优、提示词精简等手段，将识别速度提升了约50%；通过大白话翻译、自动标点添加、图片对照展示等优化，大幅提升了用户体验；同时修复了认证、权限、字段溢出等6个影响稳定性的Bug。目前OCR功能已达到生产可用状态，能够稳定、高效地完成古籍、碑帖、书法等各类图片文档的识别与结构化输出任务。

（二）下一步工作计划

• 增加用户反馈机制，持续优化提示词策略

• 集成手写体识别模型，扩展应用场景

• 进一步完善历史轨迹和OCR两个模块