房产经纪人尝试AI编程

这几天在尝试做图片解析，但遇到了不少困难，现在记录一下

背景：

我把网页上的信息进行截图后想转成结构化的记录，出现一条记录信息分布到两张图的情况。所以要把两个图的信息OCR后，再合并到一条。

开发环境：opencode

大模型：glm-4.7-flash

              glm-4v-flash

              deepseek-v4-flash

               agnes-2.0-flash

IDE:PYCHARM

安装的python插件：markitdown

             openpyxl

             zai

开始实验直接由大模型解析，使用豆包，上传图片并用提示词，结果准确度很高完成任务。

但是带来的问题是图片量上去后，上下文会爆，还需要很多的手工操作效率极低。

于是，安装了opencode使用免费api的方式，生成python代码循环执行。

通过markitdown的方案，实现解析，但无论怎么试，解析的结果都是英文的，目前这个问题未找到解决方案，也许跟glm-4v-flash有关。但目前没找到别的免费多模态模型。待后续有机会解决。

不使用markitdown纯粹使用glm-4v-flash，解析为json，但是精确度不高，解析的字段有些就混在一个列里面了。目前也没找到解法。

经过这几天自己的实践，发现免费AI的能力在专业领域还是有限的，专业的事还是要交给专业的模型。

不要随便相信网络上说的那些没经验的小白也能做开发，那是建立在烧钱的前提下的。
现在不想多花钱，就只能先多花时间了。待这个事情成熟，再烧钱吧！