feat: export core Hermes skills

2026-07-15 02:45:56 +00:00
parent a028b63eda
commit 54711fee2a
308 changed files with 41310 additions and 1 deletions
@@ -0,0 +1,72 @@
+# 统一社会信用代码 OCR 核实配方
+
+## 适用场景
+合同首页甲乙方统一社会信用代码 OCR 乱码（如 "MA INAEBX26" 应为 "MA1NAEBX26"），需要核实正确值。
+
+## 核实步骤
+
+### 1. tesseract 重读首页
+```bash
+# 渲染首页 200 DPI
+python3 -c "
+import fitz
+doc = fitz.open('合同.pdf')
+page = doc[0]
+mat = fitz.Matrix(200/72, 200/72)
+pix = page.get_pixmap(matrix=mat)
+pix.save('page1.png')
+"
+
+# 裁剪公司名+信用代码区域（通常页面 15-30% 高度）
+python3 -c "
+from PIL import Image
+img = Image.open('page1.png')
+w, h = img.size
+crop = img.crop((0, int(h*0.15), w, int(h*0.30)))
+crop.save('page1_credit.jpg', 'JPEG', quality=75)
+"
+
+# tesseract 读取
+tesseract page1_credit.jpg stdout -l chi_sim+eng --psm 6
+```
+
+### 2. 企查查 web 搜索交叉验证
+```
+web_search: "公司全称" 统一社会信用代码 企查查
+```
+企查查结果通常直接显示完整 18 位信用代码。
+
+### 3. 校验位验证（Python）
+统一社会信用代码第 18 位是校验位，可用以下脚本验证：
+```python
+def verify_credit_code(code):
+    if len(code) != 18:
+        return False
+    weights = [1,3,9,27,19,26,16,17,20,29,25,13,8,24,10,30,28]
+    chars = '0123456789ABCDEFGHJKLMNPQRTUWXY'
+    code_map = {c:i for i,c in enumerate(chars)}
+    total = sum(code_map[code[i]] * weights[i] for i in range(17))
+    check = 31 - (total % 31)
+    if check == 31: check = 0
+    expected = chars[check] if check < len(chars) else '?'
+    return expected == code[17], expected, code[17]
+```
+
+## OCR 常见误识模式
+- `MA1NAEBX26` → `MA INAEBX26`（数字0被识别为空格）
+- `MADQRFT66P` → `MADQRFT66P`（通常正确，但需验证末位校验位）
+- 数字 `0` 和字母 `O` 混淆
+- 数字 `1` 和字母 `I` 混淆
+
+## 判据
+- tesseract 重读结果与企查查一致 → 采用
+- tesseract 重读结果与企查查不一致 → 以企查查为准（企查查是权威工商数据源）
+- 校验位验证不通过 → OCR 有误，回企查查取正确值
+
+## 与 OCR 完整性检查脚本的关系
+`ocr-integrity-check.py` 已修复：信用代码中的字母序列（前后有数字的）不再误报为"公司名乱码"。修复方式：检测字母序列前后是否为数字，如是则跳过。
+
+## 2026-06-29 实证
+- 解放中路：甲方 "91320600MA1NAEBX26"（企查查确认）
+- 通大附：甲方 "91320600MA1NAEBX26"（企查查确认）
+- 通大附：乙方 "91320602MADQRFT66P"（校验位 P 验证通过）