1.5 KiB
1.5 KiB
Step 1 跳过策略——复用已有OCR全文
适用条件
当合同文件夹中已存在 _全文.md 或 _全文_OCR.md 文件时，Step 1 可以跳过OCR提取。
前提
- MD文件确实是从对应PDF提取的（检查文件头注释/来源标注）
- 文件修改日期不早于PDF修改日期（排除旧版本残留）
仍然必做
即使跳过OCR提取，以下步骤不能跳过：
- Copy到工作目录：
sudo docker exec cat ... > /tmp/<workdir>/ - 跑 ocr-garble-detect.py：扫全文乱码
- 高危行 vision 核实：
- TOC页（目录页）的乱码可以标记为"非实质"忽略
- 附件表格（租金/面积/保证金）的乱码必须核实
- 核心条款（维修/违约/解除）的乱码必须核实
- 关键财务数据交叉验证：
- 单价 × 面积 = 月租总额？
- 不含税 × 税率 = 税金？
- 保底租金 × 月数 ≈ 保证金？
实例
世茂校区(2026-07-02)：4份合同MD文件都已存在，直接复用。garble检测结果：
- 世茂新租赁：15处高危（主要在TOC+附件表格），vision确认核心条款完整
- 世茂物业青少：6处高危
- 高中租赁：18处高危
- 高中物业：2处高危
关键发现：附件三（租金表）的OCR乱码虽然触发高危，但数字部分清晰可读，经vision确认后可进入Step 2。
时间节省
跳过OCR约节省15-30分钟/份（扫描件OCR+后台处理时间）。4份合同合计节省约1-2小时。