零代码文档驱动大模型开发---AI办公助手系列-阶段小结

从第一篇 word 转 pdf到现在。这一路踩的坑五花八门，但反复在验证的，其实就那么几条沉淀。它们不是灵光一现，而是一次次碰壁之后，慢慢沉淀下来的底层逻辑。这一篇小结，把它们总结一遍。

沉淀一：坐标要唯一基准

这个坑，我踩了三次——第一篇做 word/pdf 互转，PDF 的坐标系上下是颠倒的；第二篇做 PDF 签字，坐标对不上；第九篇做 OCR，图片像素系和 PDF 点系又不一样。

三次踩下来，就一句话：只要有两个坐标系并存，就一定有换算；有换算，就一定有错位。唯一的解法，是定死一个基准，其它所有坐标都往它身上换算。别再问"用哪个系"，先定"以谁为准"。

沉淀二：数据不出本机

这是整个软件从一开始就立的 flag，贯穿了每一篇：文档存本地、OCR 在本地跑、embedding 用本地小模型、AI 问答走本地检索。

"本地"不只是隐私，更是三样东西——离线可用（不依赖云）、不交出去（数据自己掌控）、用户心里踏实。一个办公软件，最值钱的信任，就来自这句"你的东西，从没离开过你的电脑"。

沉淀三：能加就别改

第十篇做多知识库，最关键的决策是：不动老表，加两张关联表。因为动老结构，等于把已经算好的向量推倒重来；而"加"是增量的，老资产原封不动。

升级一个系统的正确姿势，是"在边上加一张表"，不是"把现有的翻个底朝天"。能加、能小改，就绝不大改。

沉淀四：先验证，别迷信

第九篇选 OCR 引擎，一开始迷信"最出名的 tesseract"，结果在自家环境里根本跑不起来，死磕半天白费。翻篇到 PP-OCRv4，先拿小样片实测——识别全对、速度够快，才放心往下做。

选型的第一标准，是"在你这里能不能实测通过"，不是"别人都夸它"。名头再响，跑不起来就是零。

沉淀五：安全靠系统，不靠自觉

第八篇做数据安全，核心是"别把要命的保护，押在用户会记得上"——删除进回收站（可逆）、每 3 分钟自动快照、编辑防丢 flush，全是系统默认，不用用户操心。

可逆的操作，才配叫"安全"；靠自觉的保险，等于没保险。凡是用户可能后悔的动作，系统都要替他留一道后路。

沉淀六：测试不能省

第十一、十二篇，闷头审查了五轮代码，修了 16 个 bug，结果真正会出事的那个时序 bug，五轮一个都没发现，真实点一遍才现形。

静态审查抓得住"逻辑上的错"，抓不住"运行时的错"。看代码和用软件是两种感知方式，前者再仔细，也代替不了"像用户一样真实点一遍"。