当 OCR 遇上 SOP
这是我想写的一个新系列的第一篇。我想把自己在实习和工作里真正用顺手的工具，一个一个记录下来，开源成一个工具箱。第一个想写的是 MarginNote。
一个具体到化学品名词的问题
2024 年 7 月，我在深圳市计量质量检测研究院（SMQ）业务发展部做业务助理实习生。那三个月，我和几位工程师的一项作业内容就是一起完成了 600 多份阿里巴巴、唯品会的检测报告录入。
真正难住我的不是”录入”这个动作，而是”录什么”。
检测报告里有大量化学名词，不同品类、不同判定规则下，同一个物质的写法可能完全不一样——多一个空格、少一个下标、大小写差一位，在 SOP 标准里就是不合格。当时我们拆样和记录要按 RB/T 214-2017 第 4.5 条、CNAS-CL01 第 7.4 条等等来做（那阵子光京东样品的电池拆样我就做了 70 多份），本质上都是在跟”精确”这两个字较劲。
所以我的真实工作流变成了：录一条 → 不确定 → 翻 SOP → 找到原文 → 再录下一条。
问题出在”翻 SOP”这一步。
SOP 不只是一份文档
如果 SOP 只是一份规整的 PDF，事情会简单很多——能选中文字的，直接搜索就完了。
但真实的 SOP 是散的，而且相当大一部分根本不在正式文档里。
它有相当比例来自 QQ 群聊和私聊：前辈在群里发一句”这个品类按新口径走”、mentor 私聊发过来一张截图说”这条规则看下”、某个判定细节在几十条聊天记录里被反复补充。这些内容是鲜活的、最新的，也是最容易丢的——它们散落在各个聊天框里，平时根本不会去回看。
于是我面对的是两类东西：
- 静态的一半：正式 SOP 文档，PDF，有的能选中文字，有的不能（基本就是几百页图片）
- 流动的一半：聊天记录，散落在各个聊天框里，没有任何结构，更别提搜索
这两半加在一起才是我要检索的”SOP”。而它们当时互不相通。
从截图到可检索：Picsew + MarginNote
我的办法是把这两半都变成 PDF，然后塞进同一个地方检索。
第一步：聊天记录 → 长截屏 → PDF
用 Picsew（Yojio, Ltd.，iOS / iPad / Mac 都有）。它最关键的不是”拼图”，而是滚动录屏：在 QQ 对应的聊天框里开着录屏往上滚一遍，Picsew 会把这段屏幕录制直接识别成一张完整的长截屏，连中间手动截都不用。最后一步直接导出 PDF。Picsew 同样要花钱，我买的时候是 15 元。
顺带吐槽一句：都 2024 年了（2026年貌似还是没有），苹果系统至今没有自带的长截图能力——聊天记录这种一屏装不下的内容，系统原生只能一张张截，想拼成连续的一整张，得靠第三方 App 的滚动录屏来绕。这笔 15 元，算是给苹果的功能缺口付的过路费。
这一步的价值是：一条几十屏的聊天记录，变成了一份连续的、能翻页的文档。
第二步：PDF → 可检索
把导出的 PDF 和正式 SOP 一起，全部丢进 MarginNote（iCloud 同步）。
MarginNote 是付费软件，我买的时候是 88 元（iPhone和iPad可用版）。
MarginNote 真正救了我的，是它的 OCR 能力。打开 OCR 之后，它会在后台对整份文档做一次 OCR 识别预处理的动作把全文变成可检索的，这个过程要根据文档长度和设备性能稍稍一等。等它处理好，我直接在上面搜一个化学名词，它就会精准地定位到文档里那段内容，并且自动把文档滚动到对应的位置——不用再在”原图”和”识别结果”之间来回切。
第三步：统一检索
到这里，静态的 SOP 和从聊天记录里长出来的操作口径，终于进了同一个搜索框。
我不再需要记”这条规则大概在第几章”，也不需要在几百页图片里用眼睛找，更不用在聊天框里往上翻记录。搜一下，它直接带着我滚到那一段——几秒钟。
关于 98%
我说它准确，不是凭感觉。在 SMQ 那批 SOP 和聊天截图上，我的体感识别准确率在 98% 左右，检索是秒级的。
但这个数字有三个前提，我不想把它说成万能的：
- 材料本身要清晰。 SOP 是印刷体、排版规整；聊天截图是屏幕文字，清晰度更高。OCR 在这类材料上发挥得最好。换成老旧文献、模糊扫描件，识别率会明显下降，网上也有用户吐槽过这一点。
- 聊天截图有额外损耗。 Picsew 拼接的接缝处偶尔会切到字，长图越宽、导出 PDF 时被压缩得越狠，识别就越容易出错。我的做法是拼完先自己扫一遍接缝。
- 98% 的剩下 2% 更危险。 化学名词里，错一个字符就是另一回事。所以我从不敢直接抄识别结果——我的习惯是：OCR 帮我定位，眼睛做最终确认。工具是用来缩小搜索范围的，不是用来替我负责的。
这大概也是这段经历留给我的东西：流程可以加速，判定不能外包。
为什么想做这个工具箱
从那之后我意识到一件事：每次被一个问题卡住，我都是先冥思苦想、反复试错，直到某一天撞上一个合适的工具，才突然变得顺滑、高效。工具本身不稀奇，稀奇的是”找到它”之前那段弯路。我不想让其他人也走一遍同样的弯路，所以才想把用顺手的工具一个一个记下来，攒成这个开源工具箱。
我的打算是：每个工具配一篇文，写清楚它解决什么问题、在什么场景下有用、边界在哪里。
我不想写”神器推荐”那种文章。工具会过时，但”我当时被什么问题卡住、我是怎么判断该用什么工具的”这个过程不会过时。
这是第一篇。