上周三下午，单位收了一摞纸质版《2026年第一季度工作自查表》，共17份，每份3页，手写+打印混合。科长说：“今晚前要汇总成Word，标红修改处，发给分管领导。”

我打开手机相册——17张拍得歪斜、有阴影、带手指边角的图。

手动敲？至少4小时，还容易漏字错行。

用AI识别？试过3个App：有的把“已落实”识别成“已买实”，有的把表格拆成乱序段落，有的导出后格式全崩……

最后还是花了3小时半，边校对边重排。

这不是个例。很多同事反馈：

明明拍了照，却卡在“怎么变成能改的Word”这一步。

不是AI不行，是没走对路——工具选错、步骤跳步、提示词太笼统，结果越用越费劲。

常见误区

❌ 直接把模糊照片扔给AI，指望它“自己看懂”

❌ 用通用OCR工具识别后，直接复制粘贴进Word，不处理段落/表格/标题层级

❌ 把识别结果当最终稿，不核对关键数字、人名、时间等敏感信息

❌ 在非官方渠道上传含单位名称、内部编号的扫描件

这些做法看似省事，实际返工更多。

正确方法：四步闭环流程

我们不追求“全自动”，而要“可控、可改、可追溯”。整个流程分四步，每步都有明确动作和目的：

第一步：拍照预处理——让AI“看得清”

不是拍完就传。先用手机自带相机“文档模式”（华为叫“文档矫正”，iPhone叫“扫描文稿”，小米叫“文档增强”），自动裁边、去阴影、提对比度。若无此功能，用「微软Lens」App拍一次：它会实时建议重拍角度，且默认输出为高清PDF，比原图更利于OCR。

第二步：分层识别——先保准确，再保结构

别一股脑传整张图。

如果是单页纯文字材料，用高精度OCR工具识别；

如果含表格、公章、手写批注，则拆成两轮识别：先用工具提取全部文字（含手写体），再单独用表格识别专用工具处理表格区域——结构和内容分开优化，准确率更高。

第三步：AI后处理——把“识别结果”变成“可用草稿”

OCR只是第一步。真正耗时的是整理：段落错位、标题丢失、编号混乱、多余换行。这时要用AI做语义重构，不是简单替换，而是理解原文逻辑后重组织。

第四步：人工精修定稿——聚焦关键字段，不逐字校对

重点核对三类内容：所有数字（金额、日期、序号）、所有人名与职务、所有带“必须”“严禁”“原则上”等刚性表述的句子。其余常规描述，可接受少量口语化调整，不强求字字一致。

可复制提示词

请将以下OCR识别文本，按原文逻辑重新整理为规范公文格式：保留原有标题层级（如“一、”“（一）”“1.”），合并被错误断开的句子，删除重复换行符，将“□”“√”等勾选项统一转为“【 】”，不添加任何原文没有的内容。输出为纯文本，不要Markdown或代码块。

你是一名机关单位文字岗人员，请对照这份扫描件OCR结果，检查是否存在以下问题：

① 数字前后多空格或误识（如“2026年”写成“2 0 2 6 年”）；② 人名职务是否完整（如“张XX副局长”未补全为“张XX同志，副局长”）；③ 政策依据引用是否准确（如“根据X办发〔2026〕5号文件”是否与原文一致）。仅指出问题位置及正确写法，不要重写全文。

将以下文字中所有表格区域（以“|”“—”“+”符号构成的行列结构）单独提取出来，还原为标准Markdown表格格式，列宽自适应，表头加粗。其余正文部分保持原段落结构，不插入表格。

示例演示

模拟场景：某事业单位收到一份《基层调研情况汇总表》扫描件，共2页，含1个3列5行的调研数据表、2段说明文字、1处手写补充意见。

操作流程如下：

1. 用「微软Lens」拍摄，生成2页PDF，自动纠偏去阴影；

2. 上传至「通义万相」网页版（支持PDF上传+表格识别），开启“高精度文字+表格分离”模式，得到基础OCR文本+独立表格CSV；

3. 将OCR文本粘贴进通义千问，用第一个提示词处理，获得结构清晰的初稿；

4. 将CSV表格导入WPS，转为Word表格，调整列宽、居中、字体；

5. 用第二个提示词校验关键字段：发现手写“6月上旬”被识为“6月土旬”，表格中“满意率92.3%”误为“满意率923%”，立即修正；

6. 最终成稿耗时38分钟，含校对，比纯手工快5倍以上，且修改痕迹清晰可溯。

避坑清单

✅ 拍照时尽量平铺文档，避免反光/褶皱/手指遮挡——这是准确率上限的决定因素

✅ PDF比JPG更适合作为OCR输入源，因保留原始矢量信息（哪怕扫描件）

✅ 表格务必单独识别，通用OCR对横线、竖线、合并单元格识别率普遍低于60%

✅ 不要依赖“一键导出Word”功能，90%的格式崩溃都源于此——先得干净文本，再人工排版

❌ 别用朋友圈转发的“免费OCR小程序”，多数后台调用第三方API，上传即留痕

❌ 手写体超过全文1/3时，不建议全程AI处理，优先人工录入关键字段，AI辅助补全常规句式

❌ 含红头、密级标识、内部编号的材料，必须先脱敏再识别（如“X政发〔2026〕1号”改为“X政发〔XXXX〕X号”）

安全提醒

💡 所有涉及单位名称、文件字号、内部联系人、具体金额、项目编号的材料，在上传前必须脱敏。可用“X”“某”“略”替代，或整体替换为泛化表述（如“某街道”“某科室”）。

💡 AI无法判断事实真伪，不编造数据、不推断政策口径、不自行增删责任主体。所有“应由”“须报备”“经批准”等表述，必须与原文完全一致。

💡 免费工具常有日识别上限（如每日5次），重要任务建议用单位已采购的正版办公软件（如WPS AI、钉钉闪记OCR），数据不出本地更稳妥。

总结一句话

AI提取图片文字，核心不是“识别得多快”，而是“哪些环节必须人工控场、哪些地方可以放心交托”。

从拍照预处理→分层识别→语义重构→关键字段校验，四步走稳，才能把一张模糊照片，变成领导能直接圈阅、科室能直接套用的Word底稿。

你平时用什么工具处理扫描件？有没有遇到过“识别很准，但排版全乱”的情况？欢迎评论区聊聊你的解法。

关注我，持续分享 AI 办公提效方法。

智行者笔记 · AI工具效率实战