AIGC（生成式AI）试用 43 -- 程序（Python + OCR）-4

个人理解思想 -- 讨论 -- 白板 -- 草图 -- 原型 -- 设计 -- 代码 -- 测试。。。。。。敏捷过程中的产出有多少可以被AI识别、转换促成最终产品以最短的时效提交客户有多少并不成熟的草稿可以被AI汇总、理解后生成标准的规格说明一直恐写文档的软件开发过程是否能被AI所取代我们只需要给出只言片语的思考代码呢AI辅助下的软件开发该如何演进AI对图片文字识别完整、正确 -- OCR专门程序还有必要么AI对图片功能意图识别正确 -- 给的图片太简单了还是AI大模型能感受到我最近的输入使用标准的WPS Officel打开界面AI对图片内容的识别效果依然很NiceAI按图实现代码- GUI界面元素基本按原界面实现区别图像显示 标签按钮配色- 核心功能开始识别部分代码需要手工调整(show_log, cls, )这个问题在所有Python OCR的尝试中均存在 -- 为什么AI大模型对图片的识别 代码实现基本满足要求 -- 如果新、旧对话不存在上下文的联系AI进一步降低了开发的门槛和难度代码生成效率和效果使不懂得代码的人士能快速通过AI辅助实现自己的想法对于专业程序员是效率的极大提升关于编码专业的代码知识仍是必要且重要的高质量的提问需要对前次结果进行分析、补充和强化不足 -- 也许下一版本的AI可以一次表现的更完美也许 Python OCR 这样的程序对AI来讲有点“简单”需要设计一个更有难度的需求来更深入的验证和学习AI大模型Cursor的免费资源用完换codebuddy试试给出需求使用文心一言 / cursor AI轻松开发500行代码一次功能实现80%二次功能实现100%。虽仍有细节需不断打磨但相比给出的需求输出结果完全在可以接受的范围。如果需求只是一份原型图手绘机绘AI会给出什么样的结果从 文心一言 换成 豆包试试结果如何重建对话-- 提问 1-1请识别上传图片中的元素列表以界面位置、元素名、功能 形式输出 手绘图片中的文字识别准确 -- 要什么OCR直接传图片给AI模型中就好了 在未给出背景说明的前提下单凭一张手绘示意图对界面元素的意图方向识别正确原型提问Prompt请识别上传图片中的元素列表以界面位置、元素名、功能 形式输出豆包 输出界面顶部左侧“图片”“目录”“文件” 选项功能是切换不同的资源查看类别。界面顶部右侧输入框 “打开” 按钮功能是输入路径或选择文件以打开相应资源。界面左侧“开始识别” 按钮功能是启动识别操作“保存为图片”“保存为文本” 按钮功能是将识别结果分别保存为图片格式和文本格式。界面中间左侧“原始图” 显示区域功能是展示原始图片。界面中间右侧“识别图” 显示区域功能是展示经过识别处理后的图片。界面底部进度条功能是显示识别操作的进度。-- 提问 1-2请识别上传图片中的元素列表以界面位置、元素名、功能 形式输出 标准GUI程序程序界面基本界面元素识别正确 界面标题未识别但通过标题对界面功能点的意识有识别原型提问Prompt请识别上传图片中的元素列表以界面位置、元素名、功能 形式输出豆包 输出界面左上角“打开” 按钮功能是用于选择并上传需要识别的图片。界面上方中间文件路径显示框功能是显示已上传图片的文件路径。界面上方中间“选择区域” 按钮功能是用于手动选择图片中需要识别的区域。界面上方中间“左旋” 按钮功能是将图片向左旋转。界面上方中间“右旋” 按钮功能是将图片向右旋转。界面上方中间滑块功能是用于调整图片的显示比例等相关视觉设置。界面上方右侧“开始识别” 按钮功能是启动对图片中文字的识别操作。界面上方右侧“保存” 按钮功能是将识别结果进行保存。界面右侧大区域识别结果显示框功能是显示图片文字识别的结果且可直接编辑。界面左下角图片显示区域功能是显示已加载的图片默认识别整个区域。界面左下角状态提示文字功能是提示图片已加载及识别区域的默认设置。-- 提问 1-3请识别上传图片中的元素列表以界面位置、元素名、功能 形式输出 WPS OfficeGUI程序打开界面界面各功能元素识别正确 各元素功能意图识别基本正确原型提问Prompt请识别上传图片中的元素列表以界面位置、元素名、功能 形式输出豆包 输出界面左上角“文件” 菜单功能是进行文件的新建、打开、保存、另存为等操作“自动保存” 开关功能是开启或关闭文档自动保存功能工具栏包含保存、撤销、重做等图标功能是执行相应的快捷操作。界面顶部功能区“开始”“插入”“页面”“引用”“审阅”“视图”“工具”“会员专享”“WPS AI” 等选项卡功能是切换不同的功能模块。“开始” 选项卡下的工具栏格式刷、粘贴按钮功能是快速复制格式和粘贴内容。字体设置区域宋体正文、五号等下拉框加粗、倾斜、下划线、字体颜色等按钮功能是设置文字的字体、字号、样式、颜色等。段落设置区域对齐方式、缩进、行距、项目符号等按钮功能是设置段落的对齐、缩进、行距和添加项目符号等。样式区域正文、标题 1 - 标题 4、默认段落字体等样式功能是应用预设的文本样式。查找替换、翻译、AI 排版、排版、排列、智能公文等按钮功能是执行查找替换文本、翻译、AI 辅助排版等操作。界面右侧编辑工具如画笔、选择工具等功能是辅助文档的编辑操作滚动条功能是上下滚动查看文档内容。界面中间文档编辑区域功能是输入、编辑和查看文档内容“按下两次 Ctrl 键唤起 WPS AI使用 AI 帮我写” 提示功能是引导用户使用 WPS AI 辅助写作。界面底部页面信息页面1/1、字数统计字数0、拼写检查状态拼写检查打开、校对按钮功能是显示文档的页面、字数信息以及进行拼写检查和校对操作视图控制区域如页面视图、阅读视图等按钮显示比例滑块功能是切换文档视图模式和调整显示比例。-- 提问 2-1请根据上传图片使用python完成程序编码 系统默认使用TK完成GUI界面设计 self.ocr.ocr(self.image_path) ##, clsTrue)问题在目前OCR识别的所有尝试中均存在文心一言/豆包/Cursor 文字识别结果中的 [rec_texts] 序列问题在目前OCR识别的所有尝试中均存在文心一言/豆包/Cursor 基本功能已实现选择区域功能原型提问Prompt请根据上传图片使用python完成程序编码豆包 输出1次输出手工调整2次输出‘cls’问题一直存在需手工二次处理手工调整3次输出手工调整4次输出文字识别结果序列中的 [rec_texts] 在所有识别过程均需手工二次处理未实现功能-- 提问 2-2请根据上传图片使用python完成程序编码 原图是cursor画出来的生成的GUI完全匹配图片输入 show_log 问题依然存在 cls 问题依然存在 [rec_texts] 序列问题没了cursor从之前的错误中学到了原型提问Prompt请根据上传图片使用python完成程序编码Cursor 输出1次输出2次输出参考AIGC生成式AI试用 41 -- 程序Python OCR-3-CSDN博客AIGC生成式AI试用 40 -- 程序Python OCR-2-CSDN博客AIGC生成式AI试用 39 -- 程序Python OCR-1-CSDN博客