hermes-skills/skills/legal/contract-portfolio-analysis/references/ocr-garble-detect-workflow.md

OCR乱码检测与核实流程（凤凰文化0701教训固化）

背景教训

凤凰文化广场合同第十条10.2，OCR把：

"提出合同解除的一方，同时应向对方承担初年年租金的【20】%作为违约金。租赁租金及其他费用结算至合同解除日。"

读成了乱码：

"oe方,同Se【2024】年【10】月【15】日结算至合同解除日"

由于只对8.4-8.9做了vision核实，跳过了10.2的乱码段，导致：

• 整段违约金条款丢失
• 审查结论错误（"无违约金"→实际"有20%违约金"）
• 返工

强制流程

Step 1 OCR完成
    ↓
python3 scripts/ocr-garble-detect.py <file.md>
    ↓
🔴 高危乱码（无意义英文片段/中英混杂碎片）
    → 定位PDF页码（line number / 每页约50行估算）
    → vision精读对应页面
    → 记录修正内容
    → 修改OCR文本或建修正说明文件
    ↓
🟡 疑似乱码（中文占比低/异常符号）
    → 区分：纯数字表格=正常；邮箱/账号=正常
    → 真正乱码→同上vision核实
    ↓
全部消灭 → 进入 Step 2

关键判断：哪些看似正常实则是乱码

表象	陷阱	正确做法
"Se【2024】年【10】月【15】日"	看似日期，实则是违约金条款乱码	发现中英混杂+不合语境→必须vision
"0.4 a/R 元/㎡/月"	看似单位，"a/R"是"天"的乱码	金额/单位附近乱码→vision确认单位
"oe方,同"	短乱码容易被跳过	即使只有几个字符异常也必须核实上下文完整段落

核心原则

不是"看哪里乱就修哪里"，而是脚本扫全文自动标红，强制逐条过一遍。 选择性核实 = 选择性遗漏 = 必然返工。