Skip to content

【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54

Closed
Closed
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
Labels
showcased已收录上线

Description

@endtree-FDE
endtree-FDE
opened on Jul 30, 2026

【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁

我做了什么

我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。

项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。

使用的工具

  • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
  • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
  • Skill：仓库内可安装的 evidencegate-ocr
  • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片

效果展示

在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：

轮次路由符合预期危险误接收正常误拦截模型耗时
12/51/31/230.491 秒
23/50/32/229.173 秒
35/50/30/231.800 秒

第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。

模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。

公开仓库：https://github.com/endtree-FDE/evidencegate-ocr

仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。

踩坑记录

  1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
  2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
  3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
  4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
  5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。

项目边界

该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。

Metadata

Metadata

Assignees

No one assigned

    Labels

    showcased已收录上线

    Type

    No type

    Projects

    No projects

    Milestone

    No milestone

    Relationships

    None yet

    Development

    No branches or pull requests

    Issue actions

    , 'i'); if (__m === '*' || __re.test(location.href)) { // Add copy buttons to all 
     blocks
(function() {
function addCopyButtons() {
document.querySelectorAll('pre code').forEach(function(codeBlock) {
if (codeBlock.parentElement.hasAttribute('data-copy-added')) return;
codeBlock.parentElement.setAttribute('data-copy-added', 'true');
var btn = document.createElement('button');
btn.textContent = 'Copy';
btn.style.cssText = 'position:absolute;top:4px;right:4px;padding:2px 8px;font-size:11px;background:#4ecdc4;border:none;border-radius:4px;color:#1a1a2e;cursor:pointer;opacity:0.7;transition:opacity 0.2s;';
btn.onmouseover = function() { this.style.opacity = '1'; };
btn.onmouseout = function() { this.style.opacity = '0.7'; };
btn.onclick = function() {
navigator.clipboard.writeText(codeBlock.textContent).then(function() {
btn.textContent = 'Copied!';
setTimeout(function() { btn.textContent = 'Copy'; }, 1500);
});
};
codeBlock.parentElement.style.position = 'relative';
codeBlock.parentElement.appendChild(btn);
});
}
addCopyButtons();
// Re-run on dynamic content
var observer = new MutationObserver(addCopyButtons);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Add Copy Buttons to Code Blocks]', __e); }
})();
(function(){
try {
var __m = "github.com";
var __re = new RegExp('^' + "github\\.com" + '
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 · Issue #54 · modelstudioai/modelstudioai.github.io · GitHub
    Skip to content
    【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54
    Closed
    Closed
    【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
    Labels
    showcased已收录上线
    Description
    @endtree-FDE
    endtree-FDE
    opened on Jul 30, 2026
    【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁
    我做了什么
    我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。
    项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。
    使用的工具
    • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
    • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
    • Skill：仓库内可安装的 evidencegate-ocr
    • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片
    效果展示
    在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：
    轮次路由符合预期危险误接收正常误拦截模型耗时
    12/51/31/230.491 秒
    23/50/32/229.173 秒
    35/50/30/231.800 秒
    第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。
    模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。
    公开仓库：https://github.com/endtree-FDE/evidencegate-ocr
    仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。
    踩坑记录
    1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
    2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
    3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
    4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
    5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。
    项目边界
    该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。
    Metadata
    Metadata
    Assignees
    No one assigned
      Labels
      showcased已收录上线
      Type
      No type
      Projects
      No projects
      Milestone
      No milestone
      Relationships
      None yet
      Development
      No branches or pull requests
      Issue actions
      
, 'i');
if (__m === '*' || __re.test(location.href)) {
// Force GitHub README to respect dark mode
(function() {
var style = document.createElement('style');
style.textContent = '
.markdown-body {
color-scheme: dark light;
}
.markdown-body pre { background: #161b22 !important; }
.markdown-body code { background: rgba(110, 118, 129, 0.4) !important; }
.markdown-body table th, .markdown-body table td { border-color: #30363d !important; }
.markdown-body img { background: #0d1117; }
.markdown-body blockquote { border-left-color: #8b949e; }
.markdown-body hr { border-color: #30363d; }
';
document.head.appendChild(style);
})();
}
} catch(__e) { console.warn('[Userscript:GitHub Dark Mode README Fix]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 · Issue #54 · modelstudioai/modelstudioai.github.io · GitHub
      Skip to content
      【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54
      Closed
      Closed
      【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
      Labels
      showcased已收录上线
      Description
      @endtree-FDE
      endtree-FDE
      opened on Jul 30, 2026
      【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁
      我做了什么
      我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。
      项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。
      使用的工具
      • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
      • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
      • Skill：仓库内可安装的 evidencegate-ocr
      • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片
      效果展示
      在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：
      轮次路由符合预期危险误接收正常误拦截模型耗时
      12/51/31/230.491 秒
      23/50/32/229.173 秒
      35/50/30/231.800 秒
      第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。
      模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。
      公开仓库：https://github.com/endtree-FDE/evidencegate-ocr
      仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。
      踩坑记录
      1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
      2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
      3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
      4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
      5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。
      项目边界
      该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。
      Metadata
      Metadata
      Assignees
      No one assigned
        Labels
        showcased已收录上线
        Type
        No type
        Projects
        No projects
        Milestone
        No milestone
        Relationships
        None yet
        Development
        No branches or pull requests
        Issue actions
        
, 'i');
if (__m === '*' || __re.test(location.href)) {
// Highlight search terms from Google/DuckDuckGo/Bing referrer
(function() {
var ref = document.referrer;
var terms = [];
if (ref.includes('google.com') || ref.includes('duckduckgo.com') || ref.includes('bing.com')) {
var url = new URL(ref);
var q = url.searchParams.get('q') || url.searchParams.get('p');
if (q) {
terms = q.split(/\s+/).filter(function(t) { return t.length > 2; });
}
}
if (terms.length === 0) return;
var style = document.createElement('style');
style.textContent = '.userscript-highlight { background: #fbbf24; color: #1a1a2e; padding: 1px 3px; border-radius: 2px; }';
document.head.appendChild(style);
function highlight(node) {
if (node.nodeType === 3) { // text node
var text = node.textContent;
var found = false;
terms.forEach(function(term) {
var regex = new RegExp('(' + term.replace(/[.*+?^${}()|[\]\\]/g, '\\') + ')', 'gi');
if (regex.test(text)) {
found = true;
var frag = document.createDocumentFragment();
var parts = text.split(regex);
parts.forEach(function(part, i) {
if (i % 2 === 0) {
frag.appendChild(document.createTextNode(part));
} else {
var span = document.createElement('span');
span.className = 'userscript-highlight';
span.textContent = part;
frag.appendChild(span);
}
});
node.parentNode.replaceChild(frag, node);
}
});
} else if (node.nodeType === 1 && node.childNodes) { // element
var skipTags = ['SCRIPT', 'STYLE', 'NOSCRIPT', 'TEXTAREA', 'INPUT', 'SELECT'];
if (!skipTags.includes(node.tagName)) {
Array.from(node.childNodes).forEach(highlight);
}
}
}
highlight(document.body);
// Re-highlight on dynamic content
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1 || node.nodeType === 3) highlight(node);
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Highlight Search Terms]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 · Issue #54 · modelstudioai/modelstudioai.github.io · GitHub
        Skip to content
        【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54
        Closed
        Closed
        【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
        Labels
        showcased已收录上线
        Description
        @endtree-FDE
        endtree-FDE
        opened on Jul 30, 2026
        【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁
        我做了什么
        我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。
        项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。
        使用的工具
        • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
        • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
        • Skill：仓库内可安装的 evidencegate-ocr
        • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片
        效果展示
        在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：
        轮次路由符合预期危险误接收正常误拦截模型耗时
        12/51/31/230.491 秒
        23/50/32/229.173 秒
        35/50/30/231.800 秒
        第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。
        模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。
        公开仓库：https://github.com/endtree-FDE/evidencegate-ocr
        仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。
        踩坑记录
        1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
        2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
        3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
        4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
        5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。
        项目边界
        该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。
        Metadata
        Metadata
        Assignees
        No one assigned
          Labels
          showcased已收录上线
          Type
          No type
          Projects
          No projects
          Milestone
          No milestone
          Relationships
          None yet
          Development
          No branches or pull requests
          Issue actions
          
, 'i');
if (__m === '*' || __re.test(location.href)) {
// Strip utm_, fbclid, gclid, etc. from all links on page
(function() {
var trackingParams = ['utm_source', 'utm_medium', 'utm_campaign', 'utm_term', 'utm_content',
'fbclid', 'gclid', 'dclid', 'msclkid', 'yclid',
'ref', 'ref_src', 'source', 'medium', 'campaign'];
function cleanUrl(url) {
try {
var u = new URL(url, window.location.origin);
var changed = false;
trackingParams.forEach(function(p) {
if (u.searchParams.has(p)) {
u.searchParams.delete(p);
changed = true;
}
});
return changed ? u.toString() : url;
} catch (e) {
return url;
}
}
function cleanLinks() {
document.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
cleanLinks();
var observer = new MutationObserver(function(mutations) {
mutations.forEach(function(m) {
m.addedNodes.forEach(function(node) {
if (node.nodeType === 1) {
if (node.tagName === 'A') cleanLinks();
node.querySelectorAll('a[href]').forEach(function(a) {
var clean = cleanUrl(a.href);
if (clean !== a.href) a.href = clean;
});
}
});
});
});
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:Remove Tracking Parameters from Links]', __e); }
})();
(function(){
try {
var __m = "youtube.com";
var __re = new RegExp('^' + "youtube\\.com" + '
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 · Issue #54 · modelstudioai/modelstudioai.github.io · GitHub
          Skip to content
          【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54
          Closed
          Closed
          【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
          Labels
          showcased已收录上线
          Description
          @endtree-FDE
          endtree-FDE
          opened on Jul 30, 2026
          【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁
          我做了什么
          我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。
          项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。
          使用的工具
          • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
          • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
          • Skill：仓库内可安装的 evidencegate-ocr
          • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片
          效果展示
          在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：
          轮次路由符合预期危险误接收正常误拦截模型耗时
          12/51/31/230.491 秒
          23/50/32/229.173 秒
          35/50/30/231.800 秒
          第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。
          模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。
          公开仓库：https://github.com/endtree-FDE/evidencegate-ocr
          仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。
          踩坑记录
          1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
          2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
          3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
          4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
          5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。
          项目边界
          该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。
          Metadata
          Metadata
          Assignees
          No one assigned
            Labels
            showcased已收录上线
            Type
            No type
            Projects
            No projects
            Milestone
            No milestone
            Relationships
            None yet
            Development
            No branches or pull requests
            Issue actions
            
, 'i');
if (__m === '*' || __re.test(location.href)) {
// Auto-enable theater mode on YouTube
(function() {
function tryTheater() {
var btn = document.querySelector('button[aria-label="Theater mode"], ytd-player #player button[title="Theater mode"]');
if (btn && !btn.classList.contains('activated')) {
btn.click();
}
}
// Try immediately
tryTheater();
// Try after navigation (SPA)
var lastUrl = location.href;
setInterval(function() {
if (location.href !== lastUrl) {
lastUrl = location.href;
setTimeout(tryTheater, 500);
}
}, 1000);
// Also try on player load
var observer = new MutationObserver(tryTheater);
observer.observe(document.body, { childList: true, subtree: true });
})();
}
} catch(__e) { console.warn('[Userscript:YouTube Theater Mode Default]', __e); }
})();
(function(){
try {
var __m = "*";
var __re = new RegExp('^' + ".*" + '
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 · Issue #54 · modelstudioai/modelstudioai.github.io · GitHub
            Skip to content
            【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54
            Closed
            Closed
            【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
            Labels
            showcased已收录上线
            Description
            @endtree-FDE
            endtree-FDE
            opened on Jul 30, 2026
            【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁
            我做了什么
            我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。
            项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。
            使用的工具
            • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
            • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
            • Skill：仓库内可安装的 evidencegate-ocr
            • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片
            效果展示
            在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：
            轮次路由符合预期危险误接收正常误拦截模型耗时
            12/51/31/230.491 秒
            23/50/32/229.173 秒
            35/50/30/231.800 秒
            第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。
            模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。
            公开仓库：https://github.com/endtree-FDE/evidencegate-ocr
            仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。
            踩坑记录
            1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
            2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
            3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
            4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
            5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。
            项目边界
            该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。
            Metadata
            Metadata
            Assignees
            No one assigned
              Labels
              showcased已收录上线
              Type
              No type
              Projects
              No projects
              Milestone
              No milestone
              Relationships
              None yet
              Development
              No branches or pull requests
              Issue actions
              
, 'i');
if (__m === '*' || __re.test(location.href)) {
// Remove or un-stick sticky/fixed headers that block content
(function() {
function unstick() {
document.querySelectorAll('header, nav, [role="banner"], .header, .navbar, .sticky, .fixed-top, [style*="position: fixed"], [style*="position:sticky"]').forEach(function(el) {
if (el.style.position === 'fixed' || el.style.position === 'sticky' || getComputedStyle(el).position === 'fixed' || getComputedStyle(el).position === 'sticky') {
el.style.position = 'static';
el.style.top = 'auto';
el.style.zIndex = 'auto';
}
});
}
unstick();
var observer = new MutationObserver(unstick);
observer.observe(document.body, { childList: true, subtree: true, attributes: true, attributeFilter: ['style', 'class'] });
})();
}
} catch(__e) { console.warn('[Userscript:Kill Sticky Headers]', __e); }
})();
})();
【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 · Issue #54 · modelstudioai/modelstudioai.github.io · GitHub
              Skip to content
              【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁 #54
              Closed
              Closed
              【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁#54
              Labels
              showcased已收录上线
              Description
              @endtree-FDE
              endtree-FDE
              opened on Jul 30, 2026
              【案例】EvidenceGate OCR：给百炼文档 AI 输出增加可复核门禁
              我做了什么
              我从“启衡精密 AI 财务提效 POC”中抽出一个可独立复用的开源组件：OCR 或视觉模型的结果不会直接进入 ERP、内容系统或数据库，而是先经过结构契约、字段证据、确定性业务规则和人工路由检查。
              项目不是另一个 OCR 模型。它位于百炼模型与业务动作之间，把模型输出当成不可信候选，并稳定返回三种状态：ACCEPT_CANDIDATE、HUMAN_REVIEW、MODEL_OUTPUT_INVALID。任何状态都不代表审批、付款或发布权限。
              使用的工具
              • 百炼 CLI：真实调用和保留原始响应、耗时、Token、退出码
              • 百炼模型：qwen3-vl-plus，另有 qwen3.5-ocr、qwen3.6-flash 的同图对照记录
              • Skill：仓库内可安装的 evidencegate-ocr
              • 其他：Node.js、PowerShell、SHA-256、GPT-image-2 合成测试图片
              效果展示
              在 5 张 GPT-image-2 合成采购图片上，对 qwen3-vl-plus 进行了三轮、共 15 次真实调用：
              轮次路由符合预期危险误接收正常误拦截模型耗时
              12/51/31/230.491 秒
              23/50/32/229.173 秒
              35/50/30/231.800 秒
              第三轮字段精确一致为 41/45。4 个错误全部来自右侧裁切图片：模型把残缺的发票号码、供应商、购买方和采购单号当成完整值，且没有主动报告不确定性。人工修正将这些值改为 null 并要求重新提交。
              模型没有返回页码或坐标框，证据定位覆盖为 0/45。项目没有伪造定位；v0.3.1 增加了可配置的关键字段定位门禁，缺少定位时转人工复核。这是当前公开缺口，不是生产准确率展示。
              公开仓库：https://github.com/endtree-FDE/evidencegate-ocr
              仓库包含 14 条契约回归、30 条确定性对抗路由、12 条明确标注的合成艺文迁移案例、5 张合成图片、15 次百炼模型调用证据和 3 条人工修正回放。不同统计单位没有合并计算。
              踩坑记录
              1. 百炼控制台登录与模型调用所需的 API Key 不是同一种认证状态。
              2. Windows 执行策略会拦截 npm.ps1 和本地脚本；使用 npm.cmd 或明确的执行策略入口后重跑，并保留首次失败。
              3. 模型读对字段不等于满足业务契约：数值字符串化、Markdown 包裹、额外字段和安全标签缺失仍需阻断。
              4. 裁切图片暴露了“残缺文本被当成完整值”的风险；只有冻结答案比对还不够，关键字段需要原图定位或人工确认。
              5. 同一批 5 张图片经过三轮调整属于开发集，不能当成独立验证集。
              项目边界
              该案例证明百炼 CLI 的文档候选字段链路可以真实运行，并能把结构错误、业务冲突、遮挡、文档内提示词和缺失的必要定位路由到人工。它不证明生产 OCR 准确率、证据定位质量、SLA、ROI、自动审批或无人值守发布能力；独立用户验证仍是下一阶段工作。
              Metadata
              Metadata
              Assignees
              No one assigned
                Labels
                showcased已收录上线
                Type
                No type
                Projects
                No projects
                Milestone
                No milestone
                Relationships
                None yet
                Development
                No branches or pull requests
                Issue actions