智识文档通v1.0.0相关功能介绍
你有没有过这样的经历？
桌上堆着一摞发票、合同、火车票、银行回单，老板说“下班前录进Excel”。你打开电脑，一边眯着眼辨认模糊的票号，一边疯狂敲键盘，手指抽筋，眼睛发花，好不容易录完一半，发现有一张发票的税额填错了，又得回头一张张核对……
这种苦日子，到头了。
智识文档通 v1.0.0，正式登场。
它不是OCR，它是你的“文档理解外挂”
别被“OCR”三个字骗了。传统OCR是什么？是把图片里的字一个个抠出来，至于这些字是什么意思、属于哪个字段、该填到表格哪一列——它不管。
智识文档通不一样。它背后是 DeepSeek 多模态视觉大模型，能看懂文档的“语义”。你扔给它一张增值税发票，它不光识别出所有文字，还知道哪个是发票代码、哪个是价税合计、销售方是谁、购买方是谁。你扔给它一份合同，它自动提取甲方乙方、签订日期、合同金额、有效期。你扔给它一张荣誉证书，它连“颁发单位”“获奖人”“正文摘要”都给你安排得明明白白。
27种标准文档类型 + 无限开放式自由命名，覆盖增值税发票、火车票、飞机行程单、出租车票、定额发票、银行回单、银行支票、银行汇票、身份证、户口本、荣誉证书、合同、通知、任命书、证明、简历、报告、申请、收据、介绍信、委托书、邀请函……以及任何你随手拍下的、叫不出名字的文档。
你不需要告诉它“这是什么类型”。它自己会判断。识别完，自动归类到对应的Tab页，表格列名自动匹配该类型的核心字段。你唯一要做的，就是把文件拖进去，点“开始识别”。
手机拍，电脑收，二维码一扫全搞定
以前扫描文件，要么用扫描仪，要么用数据线把手机照片传到电脑。现在？点一下工具栏的“手机拍照”按钮，电脑屏幕上弹出一个二维码。手机扫码，浏览器打开拍照页面，对准纸质文档“咔嚓”一声——照片自动飞进电脑的文件列表。
同一WiFi下，想拍多少张拍多少张。电脑端实时显示“已接收X张”和缩略图网格。拍完点“关闭”，回到主界面点“开始识别”，批量处理。手机当扫描仪，电脑当工作站，中间不需要一根线。
个人模板：你要什么字段，AI就提什么字段
更骚的操作在这里。如果你有一批格式特殊的表格，系统预定义字段不够用怎么办？用“个人模板”功能。
截图框选表头 → AI识别列名 → 直接作为模板字段。识别时把字段列表动态传给AI，AI只提取你指定的字段。你要“金额”它就提“金额”，你要“摘要”它就提“摘要”，你要“备注”它就提“备注”。 AI做翻译，代码做计算，各司其职，完美配合。
细节拉满，爽感翻倍
结果面板可拖拽：上下面板之间加分割条，鼠标悬停变上下箭头，按住拖拽调整高度。想看大表格就拉大上面，想看详细内容就拉大下面。
列宽自适应：中文按15px、英文按8px智能计算，内容多的前两列自动拉伸填满，内容少的紧凑排列。再也不用手动拖列宽。
全选/取消全选：一键勾选所有识别结果，批量导出，批量操作。
弹窗居中：所有提示框、确认框、设置对话框，统统居中到主窗口。不再从屏幕左上角闪出来吓你一跳。
PDF自动预渲染：PDF文件自动用PyMuPDF渲染第一页2倍缩放缩略图，点击缩略图用6倍缩放预览。火车票上的小字，放大看清清楚楚。
框选截屏：全屏蒙层+鼠标拖拽框选，截哪识别哪。屏幕上看到的任何内容，框一下就能识别。
勾选可视化：☑和☐，一眼看清哪些选了哪些没选。告别空字符串渲染空白导致的“以为没渲染”的尴尬。
性能与成本，都替你算好了
单张图片识别约 2-5秒，比百度OCR多接口轮询快得多。
图片预处理自动缩放至最长边2048px，JPEG质量逐级降级（85→75→60→45→30），确保不超过DeepSeek 48MB请求体限制。
模型自动发现：GET /models 筛选flash系列，24小时缓存，失败fallback硬编码deepseek-flash。模型下线？不存在的，自动路由到最新版。
按token计费，flash模型输入¥2.00/百万tokens，输出¥8.00/百万tokens，一张图约384 tokens。识别一万张发票的成本，可能还不够你喝一杯咖啡。
最后说一句
智识文档通不是“又一个OCR工具”。它是一个文档理解中枢——把任意格式、任意类型的文档图片，变成结构化数据，自动归类、自动填表、自动导出Excel。它把“人工录入”这件事，从你的待办清单里彻底划掉。
你负责拍照，它负责理解。你负责点按钮，它负责干完所有活。
下载、安装、填入DeepSeek API Key、拖入文件、点“开始识别”。五步之后，你会发现：原来下班前录完所有票据，真的可以做到。
智识文档通 v1.0.0，让文档自己开口说话。
