文字识别

把图片、扫描件、拍照件里的文字识别出来变成可复制、可检索的文本，多数「看图」功能都从这一步开始。

纸质试卷、手写通知、拍照的作业本要变成能查、能统计、能复用的材料，靠的就是这一步。老师的案头材料里，图片形态占了一大半。

像给一张照片配一支看不见的笔：把上面的字一个个誊写下来，从此这张图片也能搜索和编辑了。

把整页纸质试卷拍下来交给 Gemini 或豆包，只让它做两件事：按原样转成文字、标出看不清的地方，再自己核对分数栏，整理成电子版就省掉了逐字录入。

• 误解：识别出来就一定准确。 事实：手写字、倾斜拍摄、低对比度和分栏排版最容易出错，关键数字必须人工核对。

• 误解：这就是完整的看图能力。 事实：认出文字只是读图的一部分，看懂示意图和图表里的关系还要靠模型本身的图像理解。

• 误解：数学公式和化学式也能直接转。 事实：这类符号结构复杂，常常要人工校正或补一句说明，不能直接拿去批改。

• 误解：照片里有敏感信息也没关系。 事实：含学生姓名和成绩的材料交给外部服务等于上传给第三方，事先要确认学校的规定。

• 多模态模型同时接收文字、图片、音频等不同形式的信息，并用同一套系统理解和产出这些内容的能力形态。
• 嵌入（向量表示）把文字、图片等对象映射成一串能衡量语义距离的数值，意思越接近，这串数值在空间里就靠得越近。
• 文档切分把长文档拆成大小合适的小块再建索引，切法直接决定了之后能检索到哪一段。
• 检索增强生成先把你的资料切成片段建索引，提问时先检索出相关段落，再连同问题一起交给模型作答的方案。