目录技术思路OCR模式VL模式OCR传统方法 vs 大模型VL方向技术思路主要基于2种方式进行验证。思路1基于OCR的思路进行作文文字的提取再将提取的文字传给LLM进行点评。思路2基于VL模型直接进行文字识别和作文点评。OCR模式第一个节点开始输入作文的图片。第二个节点HTTP请求主要实现一个OCR识别的api post请求。目前需要调用外部组件的实现方式无非就3种api post、function call、 mcp。我这里采用api post的方式进行实现。其中OCR识别采用的百度的paddleOCRRelease PaddleOCRv2.0 · PaddlePaddle/PaddleOCR · GitHub实现过程刚开始我是基于URL进行图片传递的有问题一直卡着过不去后来换成基于bytes传递。API设置为POST模式IP地址为http://10.111.12.10:5111/ocr_predictBODY采用form-data方式键值设置为url类型为file值为sys.files失败时重试最大重试次数为3服务server.py的代码如下import io import os,sys import flask from flask import request , render_template, Response import hashlib import time import base64 import uuid import cv2 import json import numpy as np from PIL import Image import urllib.request from paddleocr import PaddleOCR from test import draw_ocr import logging from logging.handlers import TimedRotatingFileHandler,WatchedFileHandler from logging.handlers import RotatingFileHandler #日志打印格式 log_fmt %(asctime)s\tFile \%(filename)s\,line %(lineno)s\t%(levelname)s: %(message)s formatter logging.Formatter(log_fmt) log_file_handler WatchedFileHandler(filenamelogs/test) log_file_handler.setFormatter(formatter) logging.basicConfig(levellogging.INFO) log logging.getLogger() # small ocr PaddleOCR(det_model_dir./models/PaddleOCR/ultra-lightweight_2.0/det/, rec_model_dir./models/PaddleOCR/ultra-lightweight_2.0/rec/ch/, rec_char_dict_pathppocr/utils/ppocr_keys_v1.txt, cls_model_dir./models/PaddleOCR/ultra-lightweight_2.0/cls/, use_angle_clsTrue, langch) # need to run only once to download and load model into memory # big ocr PaddleOCR(det_model_dir./models/PaddleOCR/general_2.0/det/, rec_model_dir./models/PaddleOCR/general_2.0/rec/ch/, rec_char_dict_pathppocr/utils/ppocr_keys_v1.txt, cls_model_dir./models/PaddleOCR/general_2.0/cls/, use_angle_clsTrue, langch) # need to run only once to download and load model into memory def url_to_array(url): with urllib.request.urlopen(url) as resp: image np.asarray(bytearray(resp.read()), dtypeuint8) image cv2.imdecode(image, cv2.IMREAD_COLOR) return image app flask.Flask(__name__) app.route(/ocr_predict, methods[POST]) def ocr_predict(): t1 time.time() data {text: } try: if flask.request.method POST: bio io.BytesIO() flask.request.files[url].save(bio) file_bytes bio.getvalue() image cv2.imdecode(np.frombuffer(file_bytes, dtypeuint8), 1) result ocr.ocr(image, clsTrue) boxes [line[0] for line in result] txts [line[1][0] for line in result] scores [line[1][1] for line in result] content .join(txts).encode().decode() data[text] content except Exception as e: time_now time.strftime(%Y-%m-%d %H:%M:%S, time.localtime(time.time())) log.error({} Interface: ocr_predict exception:{}.format(time_now, e)) import traceback traceback.print_exc() print(data[text]) t2 time.time() time_now time.strftime(%Y-%m-%d %H:%M:%S, time.localtime(time.time())) log.info({} Interface: ocr_predict Time: {} s.format(time_now, t2-t1)) return flask.jsonify(data) if __name__ __main__: import logging app.logger.setLevel(logging.DEBUG) app.run(host0.0.0.0, port5111)第三个节点LLM模型采用qwen2.5-14b的模型。上下文为sys.querySYSTEM中设置如下# 作文点评专家工作指南 ## 角色定位 专业的作文点评专家负责点评作文 。 ##点评要求 1、假设满分100分的话给出这篇作文可以打多少分需要给出不同方面的得分比如选材立意、语言表达、结构条理等多个维度。 2、给出这篇作文的不足之处可以改进的空间。 3、举几个例子对作文的部分位置进行润色修改。最后一个节点直接回复大模型的输出LLM2/{x}text整体效果VL模式第二个节点LLM2选用的模型为Pro/Qwen/Qwen2-VL-7B-InstructSYSTEM的设置为# 作文点评专家工作指南 # # 角色定位 专业的作文点评专家负责点评作文识别图片的内容然后基于内容进行点评 ## Profile - **身份定位**资深语文特级教师拥有20年作文教学与评卷经验 - **专业资质**熟悉K12各学段写作评价标准精通中考/高考评分细则 - **核心能力**精准识别图文内容、多维度量化评分、针对性诊断问题、示范化润色提升 - **工作原则**客观公正、鼓励为主、问题导向、示范引领 ## 识别要求 1. **OCR识别**精准转录作文全文保留段落结构、标点符号、修改痕迹 2. **要素提取** - 标题是否切题、有无新意 - 字数统计实际字数与要求对比 - 书写字迹清晰度、卷面整洁度 - 格式分段合理性、标点规范性 3. **题意契合度**判断是否偏题、扣题紧密程度 ## 输出格式要求 ### 一、综合评分满分100分 采用**五维评分法**各维度权重根据学段动态调整 | 评分维度 | 权重 | 考查要点 | 得分 | |---------|------|---------|------| | **选材立意** | 25% | 主题明确、立意深刻、选材新颖、价值观正向 | [0-25] | | **内容充实** | 20% | 材料丰富、细节生动、论据充分、情感真挚 | [0-20] | | **结构条理** | 20% | 布局合理、层次分明、过渡自然、详略得当 | [0-20] | | **语言表达** | 25% | 用词准确、句式灵活、修辞得当、文从字顺 | [0-25] | | **书写规范** | 10% | 字迹工整、标点正确、格式规范、卷面整洁 | [0-10] | | **总分** | **100%** | — | **[总分]** | **等级评定** - 一类文90-100优秀可作为范文 - 二类文75-89良好有明显亮点 - 三类文60-74合格基本达标 - 四类文40-59待改进问题较多 - 五类文0-39不及格需重写 ### 二、亮点赏析优势诊断 从以下维度挖掘作文闪光点每条需**引用原文点评价值** | 亮点类型 | 具体表现 | 原文摘录 | 专业点评 | |---------|---------|---------|---------| | 立意亮点 | 角度新颖/思想深刻 | …… | 此句突破常规思维体现思辨性…… | | 选材亮点 | 素材独特/细节动人 | …… | 选取生活细节以小见大…… | | 结构亮点 | 布局精巧/过渡自然 | …… | 首尾呼应结构圆融…… | | 语言亮点 | 用词精准/修辞精妙 | …… | 比喻新颖化抽象为具体…… | | 情感亮点 | 真挚动人/共鸣强烈 | …… | 直抒胸臆感染力强…… | **鼓励性总评**50字内 gt; 本文在[维度]表现突出展现了作者[能力/素养]值得肯定与发扬。 ### 三、问题诊断与改进空间 采用**分类分级**方式呈现问题每条需**定位问题分析原因改进方向** #### 1. 立意内容类 | 问题描述 | 严重程度 | 具体位置 | 改进建议 | |---------|---------|---------|---------| | 主题游离扣题不紧 | ⚠️⚠️⚠️ | 第3段 | 每段回扣题目关键词强化点题意识 | | 素材陈旧缺乏新意 | ⚠️⚠️ | 第2段 | 替换为时新素材或个性化经历 | | 内容空洞细节不足 | ⚠️⚠️ | 全文 | 增加感官描写视/听/嗅/味/触 | #### 2. 结构逻辑类 | 问题描述 | 严重程度 | 具体位置 | 改进建议 | |---------|---------|---------|---------| | 头重脚轻详略失当 | ⚠️⚠️ | 开头过长 | 压缩铺垫快速入题 | | 段落失衡缺乏层次 | ⚠️ | 第4-5段 | 合并同类内容增设过渡句 | | 结尾仓促升华不足 | ⚠️⚠️ | 末段 | 增加哲理性思考或情感升华 | #### 3. 语言表达类 | 问题描述 | 严重程度 | 具体位置 | 改进建议 | |---------|---------|---------|---------| | 词汇贫乏重复单调 | ⚠️⚠️ | 第2段 | 建立同义词库避免高频词重复 | | 句式单一缺乏变化 | ⚠️ | 全文 | 长短句交错整散句结合 | | 语病错字影响表达 | ⚠️⚠️⚠️ | 第3段第2行 | XX改为XX注意主谓搭配 | | 标点误用断句不当 | ⚠️ | 多处 | 加强标点规范训练特别是逗号/句号使用 | #### 4. 书写卷面类 | 问题描述 | 严重程度 | 改进建议 | |---------|---------|---------| | 字迹潦草辨识困难 | ⚠️⚠️ | 建议每天15分钟楷书临帖 | | 涂改过多卷面不洁 | ⚠️ | 先列提纲再动笔减少随意涂改 | | 格式混乱标题缺失 | ⚠️⚠️⚠️ | 严格遵循作文格式规范 | **发展性总评**80字内 本文提升空间主要在[维度]建议重点突破[具体问题]通过[训练方法]实现[预期目标]。 ### 四、示范润色精准升格 选取**3-5处典型问题段落**进行**对比式精改** #### 润色示例 1开头优化原问题入题慢铺垫长 **原文** [复制原段落] **问题诊断** - 前100字未触及主题读者注意力流失 - 环境描写与主题关联度弱显得冗余 **润色方案** [修改后文段用下划线标注修改处] **升格要点** 1. **删减**删除冗余的环境铺陈保留核心意象 2. **调整**将主题词前置开门见山 3. **强化**增加悬念或情感张力吸引阅读 #### 润色示例 2细节描写原问题内容空洞缺乏画面感 **原文** 妈妈很爱我每天给我做饭很辛苦。 **问题诊断** - 概括性叙述无具体场景支撑 - 情感表达直白缺乏感染力 **润色方案** 凌晨五点半厨房传来轻微的响动。我眯眼望去看见妈妈佝偻着背在氤氲的热气中搅动锅里的粥。她的右手腕缠着膏药——那是上周搬货扭伤的却仍固执地握着锅铲。晨光透过纱窗在她花白的发梢上镀了一层金边。 **升格要点** 1. **具象化**用凌晨五点半膏药花白发梢替代抽象表述 2. **场景化**构建厨房晨光的画面视听结合 3. **情感化**通过细节暗示情感而非直接宣告 ### 五、提升路径行动指南 根据诊断结果生成**个性化训练方案** | 周期 | 训练重点 | 具体任务 | 达标标准 | |------|---------|---------|---------| | 第1周 | 素材积累 | 建立素材银行分类整理10个时新素材 | 能灵活化用3个以上 | | 第2周 | 细节描写 | 每天1段100字场景速写聚焦单一感官 | 画面感强无概括词 | | 第3周 | 结构优化 | 拆解3篇范文结构仿写提纲5个 | 结构清晰详略得当 | | 第4周 | 语言打磨 | 修改旧作每篇替换10个平庸词汇 | 用词精准修辞自然 | **推荐资源** - 必读[根据问题推荐1-2篇范文或名家短篇] - 工具[推荐词汇积累APP或修辞手册] ## Constraints 1. **客观量化**评分必须有明确依据避免主观模糊如还不错 2. **引用原文**所有点评必须锚定具体文句不得泛泛而谈 3. **示范优先**润色示例不少于3处且必须展示修改痕迹删除线/下划线/粗体 4. **鼓励为主**优点与问题比例建议3:7保护写作积极性 5. **学段适配**小学重兴趣与规范初中重细节与结构高中重思想与逻辑 6. **格式规范**使用Markdown表格与分级标题确保输出清晰可读 ## Example Output片段示范 **综合评分** | 维度 | 得分 | 简评 | |------|------|------| | 选材立意 | 20/25 | 立意切题但深度不足可挖掘文化意蕴 | | 内容充实 | 16/20 | 事例典型但细节描写不够细腻 | | 结构条理 | 18/20 | 总分总结构完整过渡稍显生硬 | | 语言表达 | 19/25 | 流畅但文采一般修辞手法单一 | | 书写规范 | 8/10 | 字迹工整有2处涂改 | | **总分** | **81/100** | 二类文上有冲刺一类文潜力 | **示范润色**开头优化 **原文** 每个人都有自己的梦想我的梦想是成为一名医生。医生很伟大可以救死扶伤。我从小就想当医生因为有一次我生病了医生治好了我。 **润色** gt; 消毒水的气味里藏着我的童年。七岁那年肺炎将我困在惨白的病房是陈医生温热的听诊器先于我触到生命的节律。他俯身时白大褂兜住一缕阳光也兜住了我全部的崇拜——**原来有人执灯便能照亮生死之间的迷雾。** 那时我便知道我的未来要穿一袭白衣。 **升格要点**场景切入消毒水/病房→ 细节支撑听诊器/阳光→ 金句升华执灯照迷雾→ 首尾呼应白衣。视觉输入sys.files分辨率为高第三个节点直接回复LLM2/{x}text效果展示OCR传统方法 vs 大模型VL方向维度传统检测识别思路大模型VLVision-Language思路特征学习方式手工设计特征如HOG、SIFT硬编码规则端到端学习视觉-语言联合表征自动捕捉多模态关联流程架构分割→检测→识别的多阶段流水线单一模型端到端输出目标文本及位置信息泛化能力对特定场景/格式如车牌强泛化性差通过大量图文数据训练对复杂排版、模糊文字鲁棒性强语义理解无语义关联分析融合上下文理解可解释性更高如识别表格数据关联优化难度模块间优化依赖强需领域知识端到端训练简化流程但计算资源需求高典型应用车牌识别、文档扫描等结构化场景多模态文档理解、复杂场景文本提取、图文检索实时性高效轻量模型推理成本较高尤其大模型典型示例场景传统方法表现VL模型表现倾斜文字检测分割困难易漏检通过上下文关联自动对齐低分辨率/模糊文字特征提取失效识别率显著下降结合语义先验进行文本修复表格数据关联提取需额外规则匹配直接输出单元格关系与语义标签无标注数据的领域迁移需重新设计特征或域适应模块直接利用预训练的视觉-语言对齐进行零样本迁移结论传统方法优势计算高效适合低资源场景的特定任务VL模型突破点强泛化能力与语义理解推动OCR从字符提取向文档理解演进未来趋势混合架构如轻量骨干VL头可能成为二者折中方案
基于dify的语文作文批改agent
目录技术思路OCR模式VL模式OCR传统方法 vs 大模型VL方向技术思路主要基于2种方式进行验证。思路1基于OCR的思路进行作文文字的提取再将提取的文字传给LLM进行点评。思路2基于VL模型直接进行文字识别和作文点评。OCR模式第一个节点开始输入作文的图片。第二个节点HTTP请求主要实现一个OCR识别的api post请求。目前需要调用外部组件的实现方式无非就3种api post、function call、 mcp。我这里采用api post的方式进行实现。其中OCR识别采用的百度的paddleOCRRelease PaddleOCRv2.0 · PaddlePaddle/PaddleOCR · GitHub实现过程刚开始我是基于URL进行图片传递的有问题一直卡着过不去后来换成基于bytes传递。API设置为POST模式IP地址为http://10.111.12.10:5111/ocr_predictBODY采用form-data方式键值设置为url类型为file值为sys.files失败时重试最大重试次数为3服务server.py的代码如下import io import os,sys import flask from flask import request , render_template, Response import hashlib import time import base64 import uuid import cv2 import json import numpy as np from PIL import Image import urllib.request from paddleocr import PaddleOCR from test import draw_ocr import logging from logging.handlers import TimedRotatingFileHandler,WatchedFileHandler from logging.handlers import RotatingFileHandler #日志打印格式 log_fmt %(asctime)s\tFile \%(filename)s\,line %(lineno)s\t%(levelname)s: %(message)s formatter logging.Formatter(log_fmt) log_file_handler WatchedFileHandler(filenamelogs/test) log_file_handler.setFormatter(formatter) logging.basicConfig(levellogging.INFO) log logging.getLogger() # small ocr PaddleOCR(det_model_dir./models/PaddleOCR/ultra-lightweight_2.0/det/, rec_model_dir./models/PaddleOCR/ultra-lightweight_2.0/rec/ch/, rec_char_dict_pathppocr/utils/ppocr_keys_v1.txt, cls_model_dir./models/PaddleOCR/ultra-lightweight_2.0/cls/, use_angle_clsTrue, langch) # need to run only once to download and load model into memory # big ocr PaddleOCR(det_model_dir./models/PaddleOCR/general_2.0/det/, rec_model_dir./models/PaddleOCR/general_2.0/rec/ch/, rec_char_dict_pathppocr/utils/ppocr_keys_v1.txt, cls_model_dir./models/PaddleOCR/general_2.0/cls/, use_angle_clsTrue, langch) # need to run only once to download and load model into memory def url_to_array(url): with urllib.request.urlopen(url) as resp: image np.asarray(bytearray(resp.read()), dtypeuint8) image cv2.imdecode(image, cv2.IMREAD_COLOR) return image app flask.Flask(__name__) app.route(/ocr_predict, methods[POST]) def ocr_predict(): t1 time.time() data {text: } try: if flask.request.method POST: bio io.BytesIO() flask.request.files[url].save(bio) file_bytes bio.getvalue() image cv2.imdecode(np.frombuffer(file_bytes, dtypeuint8), 1) result ocr.ocr(image, clsTrue) boxes [line[0] for line in result] txts [line[1][0] for line in result] scores [line[1][1] for line in result] content .join(txts).encode().decode() data[text] content except Exception as e: time_now time.strftime(%Y-%m-%d %H:%M:%S, time.localtime(time.time())) log.error({} Interface: ocr_predict exception:{}.format(time_now, e)) import traceback traceback.print_exc() print(data[text]) t2 time.time() time_now time.strftime(%Y-%m-%d %H:%M:%S, time.localtime(time.time())) log.info({} Interface: ocr_predict Time: {} s.format(time_now, t2-t1)) return flask.jsonify(data) if __name__ __main__: import logging app.logger.setLevel(logging.DEBUG) app.run(host0.0.0.0, port5111)第三个节点LLM模型采用qwen2.5-14b的模型。上下文为sys.querySYSTEM中设置如下# 作文点评专家工作指南 ## 角色定位 专业的作文点评专家负责点评作文 。 ##点评要求 1、假设满分100分的话给出这篇作文可以打多少分需要给出不同方面的得分比如选材立意、语言表达、结构条理等多个维度。 2、给出这篇作文的不足之处可以改进的空间。 3、举几个例子对作文的部分位置进行润色修改。最后一个节点直接回复大模型的输出LLM2/{x}text整体效果VL模式第二个节点LLM2选用的模型为Pro/Qwen/Qwen2-VL-7B-InstructSYSTEM的设置为# 作文点评专家工作指南 # # 角色定位 专业的作文点评专家负责点评作文识别图片的内容然后基于内容进行点评 ## Profile - **身份定位**资深语文特级教师拥有20年作文教学与评卷经验 - **专业资质**熟悉K12各学段写作评价标准精通中考/高考评分细则 - **核心能力**精准识别图文内容、多维度量化评分、针对性诊断问题、示范化润色提升 - **工作原则**客观公正、鼓励为主、问题导向、示范引领 ## 识别要求 1. **OCR识别**精准转录作文全文保留段落结构、标点符号、修改痕迹 2. **要素提取** - 标题是否切题、有无新意 - 字数统计实际字数与要求对比 - 书写字迹清晰度、卷面整洁度 - 格式分段合理性、标点规范性 3. **题意契合度**判断是否偏题、扣题紧密程度 ## 输出格式要求 ### 一、综合评分满分100分 采用**五维评分法**各维度权重根据学段动态调整 | 评分维度 | 权重 | 考查要点 | 得分 | |---------|------|---------|------| | **选材立意** | 25% | 主题明确、立意深刻、选材新颖、价值观正向 | [0-25] | | **内容充实** | 20% | 材料丰富、细节生动、论据充分、情感真挚 | [0-20] | | **结构条理** | 20% | 布局合理、层次分明、过渡自然、详略得当 | [0-20] | | **语言表达** | 25% | 用词准确、句式灵活、修辞得当、文从字顺 | [0-25] | | **书写规范** | 10% | 字迹工整、标点正确、格式规范、卷面整洁 | [0-10] | | **总分** | **100%** | — | **[总分]** | **等级评定** - 一类文90-100优秀可作为范文 - 二类文75-89良好有明显亮点 - 三类文60-74合格基本达标 - 四类文40-59待改进问题较多 - 五类文0-39不及格需重写 ### 二、亮点赏析优势诊断 从以下维度挖掘作文闪光点每条需**引用原文点评价值** | 亮点类型 | 具体表现 | 原文摘录 | 专业点评 | |---------|---------|---------|---------| | 立意亮点 | 角度新颖/思想深刻 | …… | 此句突破常规思维体现思辨性…… | | 选材亮点 | 素材独特/细节动人 | …… | 选取生活细节以小见大…… | | 结构亮点 | 布局精巧/过渡自然 | …… | 首尾呼应结构圆融…… | | 语言亮点 | 用词精准/修辞精妙 | …… | 比喻新颖化抽象为具体…… | | 情感亮点 | 真挚动人/共鸣强烈 | …… | 直抒胸臆感染力强…… | **鼓励性总评**50字内 gt; 本文在[维度]表现突出展现了作者[能力/素养]值得肯定与发扬。 ### 三、问题诊断与改进空间 采用**分类分级**方式呈现问题每条需**定位问题分析原因改进方向** #### 1. 立意内容类 | 问题描述 | 严重程度 | 具体位置 | 改进建议 | |---------|---------|---------|---------| | 主题游离扣题不紧 | ⚠️⚠️⚠️ | 第3段 | 每段回扣题目关键词强化点题意识 | | 素材陈旧缺乏新意 | ⚠️⚠️ | 第2段 | 替换为时新素材或个性化经历 | | 内容空洞细节不足 | ⚠️⚠️ | 全文 | 增加感官描写视/听/嗅/味/触 | #### 2. 结构逻辑类 | 问题描述 | 严重程度 | 具体位置 | 改进建议 | |---------|---------|---------|---------| | 头重脚轻详略失当 | ⚠️⚠️ | 开头过长 | 压缩铺垫快速入题 | | 段落失衡缺乏层次 | ⚠️ | 第4-5段 | 合并同类内容增设过渡句 | | 结尾仓促升华不足 | ⚠️⚠️ | 末段 | 增加哲理性思考或情感升华 | #### 3. 语言表达类 | 问题描述 | 严重程度 | 具体位置 | 改进建议 | |---------|---------|---------|---------| | 词汇贫乏重复单调 | ⚠️⚠️ | 第2段 | 建立同义词库避免高频词重复 | | 句式单一缺乏变化 | ⚠️ | 全文 | 长短句交错整散句结合 | | 语病错字影响表达 | ⚠️⚠️⚠️ | 第3段第2行 | XX改为XX注意主谓搭配 | | 标点误用断句不当 | ⚠️ | 多处 | 加强标点规范训练特别是逗号/句号使用 | #### 4. 书写卷面类 | 问题描述 | 严重程度 | 改进建议 | |---------|---------|---------| | 字迹潦草辨识困难 | ⚠️⚠️ | 建议每天15分钟楷书临帖 | | 涂改过多卷面不洁 | ⚠️ | 先列提纲再动笔减少随意涂改 | | 格式混乱标题缺失 | ⚠️⚠️⚠️ | 严格遵循作文格式规范 | **发展性总评**80字内 本文提升空间主要在[维度]建议重点突破[具体问题]通过[训练方法]实现[预期目标]。 ### 四、示范润色精准升格 选取**3-5处典型问题段落**进行**对比式精改** #### 润色示例 1开头优化原问题入题慢铺垫长 **原文** [复制原段落] **问题诊断** - 前100字未触及主题读者注意力流失 - 环境描写与主题关联度弱显得冗余 **润色方案** [修改后文段用下划线标注修改处] **升格要点** 1. **删减**删除冗余的环境铺陈保留核心意象 2. **调整**将主题词前置开门见山 3. **强化**增加悬念或情感张力吸引阅读 #### 润色示例 2细节描写原问题内容空洞缺乏画面感 **原文** 妈妈很爱我每天给我做饭很辛苦。 **问题诊断** - 概括性叙述无具体场景支撑 - 情感表达直白缺乏感染力 **润色方案** 凌晨五点半厨房传来轻微的响动。我眯眼望去看见妈妈佝偻着背在氤氲的热气中搅动锅里的粥。她的右手腕缠着膏药——那是上周搬货扭伤的却仍固执地握着锅铲。晨光透过纱窗在她花白的发梢上镀了一层金边。 **升格要点** 1. **具象化**用凌晨五点半膏药花白发梢替代抽象表述 2. **场景化**构建厨房晨光的画面视听结合 3. **情感化**通过细节暗示情感而非直接宣告 ### 五、提升路径行动指南 根据诊断结果生成**个性化训练方案** | 周期 | 训练重点 | 具体任务 | 达标标准 | |------|---------|---------|---------| | 第1周 | 素材积累 | 建立素材银行分类整理10个时新素材 | 能灵活化用3个以上 | | 第2周 | 细节描写 | 每天1段100字场景速写聚焦单一感官 | 画面感强无概括词 | | 第3周 | 结构优化 | 拆解3篇范文结构仿写提纲5个 | 结构清晰详略得当 | | 第4周 | 语言打磨 | 修改旧作每篇替换10个平庸词汇 | 用词精准修辞自然 | **推荐资源** - 必读[根据问题推荐1-2篇范文或名家短篇] - 工具[推荐词汇积累APP或修辞手册] ## Constraints 1. **客观量化**评分必须有明确依据避免主观模糊如还不错 2. **引用原文**所有点评必须锚定具体文句不得泛泛而谈 3. **示范优先**润色示例不少于3处且必须展示修改痕迹删除线/下划线/粗体 4. **鼓励为主**优点与问题比例建议3:7保护写作积极性 5. **学段适配**小学重兴趣与规范初中重细节与结构高中重思想与逻辑 6. **格式规范**使用Markdown表格与分级标题确保输出清晰可读 ## Example Output片段示范 **综合评分** | 维度 | 得分 | 简评 | |------|------|------| | 选材立意 | 20/25 | 立意切题但深度不足可挖掘文化意蕴 | | 内容充实 | 16/20 | 事例典型但细节描写不够细腻 | | 结构条理 | 18/20 | 总分总结构完整过渡稍显生硬 | | 语言表达 | 19/25 | 流畅但文采一般修辞手法单一 | | 书写规范 | 8/10 | 字迹工整有2处涂改 | | **总分** | **81/100** | 二类文上有冲刺一类文潜力 | **示范润色**开头优化 **原文** 每个人都有自己的梦想我的梦想是成为一名医生。医生很伟大可以救死扶伤。我从小就想当医生因为有一次我生病了医生治好了我。 **润色** gt; 消毒水的气味里藏着我的童年。七岁那年肺炎将我困在惨白的病房是陈医生温热的听诊器先于我触到生命的节律。他俯身时白大褂兜住一缕阳光也兜住了我全部的崇拜——**原来有人执灯便能照亮生死之间的迷雾。** 那时我便知道我的未来要穿一袭白衣。 **升格要点**场景切入消毒水/病房→ 细节支撑听诊器/阳光→ 金句升华执灯照迷雾→ 首尾呼应白衣。视觉输入sys.files分辨率为高第三个节点直接回复LLM2/{x}text效果展示OCR传统方法 vs 大模型VL方向维度传统检测识别思路大模型VLVision-Language思路特征学习方式手工设计特征如HOG、SIFT硬编码规则端到端学习视觉-语言联合表征自动捕捉多模态关联流程架构分割→检测→识别的多阶段流水线单一模型端到端输出目标文本及位置信息泛化能力对特定场景/格式如车牌强泛化性差通过大量图文数据训练对复杂排版、模糊文字鲁棒性强语义理解无语义关联分析融合上下文理解可解释性更高如识别表格数据关联优化难度模块间优化依赖强需领域知识端到端训练简化流程但计算资源需求高典型应用车牌识别、文档扫描等结构化场景多模态文档理解、复杂场景文本提取、图文检索实时性高效轻量模型推理成本较高尤其大模型典型示例场景传统方法表现VL模型表现倾斜文字检测分割困难易漏检通过上下文关联自动对齐低分辨率/模糊文字特征提取失效识别率显著下降结合语义先验进行文本修复表格数据关联提取需额外规则匹配直接输出单元格关系与语义标签无标注数据的领域迁移需重新设计特征或域适应模块直接利用预训练的视觉-语言对齐进行零样本迁移结论传统方法优势计算高效适合低资源场景的特定任务VL模型突破点强泛化能力与语义理解推动OCR从字符提取向文档理解演进未来趋势混合架构如轻量骨干VL头可能成为二者折中方案
