AIGC（生成式AI）试用 40 -- 程序（Python + OCR）-2

个人理解：

• 关于编程
  - 没有代码基础也能编码，入门更容易
  - 虚拟环境下，大模型未能检测到环境，无法完成自我验证
  - 功能实现不完善，使用标准IDLE环境编程的效率较低 -- 考虑使用专门的开发IDE实现（工欲善其事，必先利其器）
  - 只包含了基本功能测试，对核心的图像加载 + 文字识别的特殊用例覆盖较少，测试覆盖不全面 -- 测试步骤的实现仍需要单独处理
• 然而如果需更快速的完成程序实现，更高效的识别代码中的问题，不断迭代，必要的代码基础和架构理解会帮助开发者事半功倍，进阶不易
• 软件工程中的最佳实践仍在发挥着巨大的作用，软件开发流程、软件开发过程仍在帮我们高效、高质的的完成项目开发任务，只是迭代的周期更短、响应的速度更快
• 小（型）的、面向日常业务的工具在AI的辅助下得以快速的开发、使用，方便、适用、个性化，脚本成为普遍
• 小程序的质量在开发之初可能不再是考虑的关键，快速、有效的解决问题成为了首选；然而随着工具的传播和叠加使用，质量问题将会突出（功能性、易用性），扎实的软件工程基础会帮助我们在利用AI之初就有所规划
• AI做事与工做事一样，会犯错、会犯迷糊、会说谎话、会胡编乱造，因此对AI输出结果的判断需要对软件工程、软件需求、软件开发技能充分的了解
• 如果只给出创意（需求）草图（手绘），AI是否能够对图进行解析，梳理需求、完善细节呢？或者通过一段视频，AI是否能够对视频进行文字描述，归纳总结，如果涉及流程，AI能够进行分解、优化、再整合？也就是AI能像人类一样通过5感，甚至是第6感，进行反馈和响应？
• AI遵守规则，不会像人一样迂回、设陷、扯皮？

重新梳理程序（Python + OCR）实现过程
- 遗留：暂且实现一版，后续持续改进，用AI编码
  本计划一次性完成，在与AI的交互中反复变更需求，从GUI到功能细节实现（更深刻的理解需求是软件工程中的始点，也是最繁琐的阶段过程）；
  AI在编码实现中的确可以提效（直接获取答案），但提交结果的验证、测试仍是一个持续的过程；
  在没有使用AI IDE开发平台，只借助AI工具情况下，与AI工具的磨合持续进行，如何更好的使用AI？
  - 细节是否可以用表格形式？如对象、属性、动作
  - 图像局部选择
  - 程序测试
  - AI编程的实现：需求 -- 大纲 -- 细节 -- 编码 -- 测试
  - 让AI美化GUI界面设计
  - Deepseek-OCR能通过图识别需求并完成程序吗？

目的：熟悉AI编码 + 完善程序OCR程序

• 开发需求
• 界面设想
• AI提问1（需求预研）
  Python313（UV） + PyQT + PaddleOCR；AI工具：AI工具：文心一言（百度），CSDN写作助手（CSDN），豆包（字节跳动），通义千问（阿里）
• AI提问2（开发环境）
  Python313（UV） + PyQT + PaddleOCR
  环境安装

  # python# paddleocr# pyqt5

• AI提问3（需求分解）
  基于python的图像ocr识别系统
  - GUI图形界面
  - GUI对象及功能： 对象类型、对象属性（形状/大小、显示文字/图标）、响应事件
     > GUI层次：标题、菜单、第1层、第2层。。。第N层；左侧、右侧；状态栏
     > 对象属性：名称、类型、大小、形状、颜色（背景）、字体/字号、对齐方式
     > 响应事件
• AI提问4（界面设计）
  - 提问： 作为Python + PyQT5开发专家，请按以下表格所述，构建GUI程序界面，并实现功能

  位置	名称	类型	属性	事件	GUI？	功能？
  标题栏	图像文字识别系统	标题	长：1200 高：900		是	是
  第1层	打开	按钮	长：200 高：50 圆角矩形 背景浅蓝色 宋体，10号 居中对齐	点击后选择图像文件	是	是 全局变更使用错误
  第1层	图像文件路径	输入框	长：400 高：50 宋体，10号 不可编辑	显示打开图像的文件全路径	是	是
  第1层	选择区域	按钮	长：200 高：50 圆角矩形 宋体，10号 居中对齐	选择图像指定区域显示，并按操作显示文字	是	否
  第1层	左旋	按钮	长：200 高：50 圆角矩形 宋体，10号 居中对齐	左旋90度	是	是
  第1层	右旋	按钮	长：200 高：50 圆角矩形 宋体，10号 居中对齐	右旋90度	是	是
  第1层	缩放	滑动条	长：200 高：50 圆角矩形 宋体，10号 居中对齐	左右滑动，图像进行缩小、放大显示	是	是
  第1层	开始识别	按钮	长：200 高：50 圆角矩形 背景浅蓝色 宋体，10号 居中对齐	识别原始图片显示框中的文字内容	是	是
  第1层	保存	按钮	长：200 高：50 圆角矩形 背景浅蓝色 宋体，10号 居中对齐	保存文字识别文本框中的文字显示，文件名为 原始图片名+reg.txt	是	是 有错误
  第2层	原始图片	显示框	长：600 高：600	显示原始图片	是	是 有错误
  第2层	文字识别	多行文本框	长：600 高：600 宋体，10号 居上、居左对齐 可编辑	显示原始图片中识别的文字信息，格式排列与原始图片中文字一致	是	否 加入提示词
  第3层	状态	状态栏		显示系统操作状态	是	是

• AI提问6（代码实现）
  - 一次实现
  
• AI提问7（优化完善）
  - 二次实现
  - 提问：作为Python + PyQT5 + Paddle开发专家，请按以下表格所述
               1）构建GUI程序界面，并实现功能
               2）优化代码，优化界面
  
• AI提问8（程序测试）
  - 提示：生成以上程序测试用例，按表格形式输出，格式：序号、功能描述、测试数据、测试步骤、预期结果

  序号	功能描述	测试数据	测试步骤	预期结果
  1	图像加载功能	测试图片：test_image.jpg（PNG/JPG/BMP格式，尺寸≥100×100像素）	1. 点击“加载图片”按钮 2. 选择测试图片文件	图片正确显示在QGraphicsView中，状态栏显示文件名
  2	OCR基础识别	测试图片：含清晰中文文本（如“测试文字”）的截图	1. 加载测试图片 2. 点击“开始识别”按钮	识别结果框显示在文本附近，状态栏显示“识别完成”
  3	矩形选区功能	测试图片：含多个文本区域的图片（如“标题”和“正文”）	1. 加载图片 2. 按住鼠标左键拖动绘制红色虚线矩形 3. 释放鼠标	选区框持续显示，且仅选区内文本被识别
  4	旋转图片功能	测试图片：横向文字图片（需旋转90°后识别）	1. 加载横向图片 2. 点击“旋转90°”按钮 3. 执行OCR识别	旋转后文字方向正确，识别结果准确
  5	缩放图片功能	测试图片：高分辨率图片（如4K分辨率）	1. 加载图片 2. 拖动缩放滑块至50% 3. 执行OCR识别	缩放后图片清晰显示，识别结果与原图一致
  6	多语言支持	测试图片：含中英文混合文本（如“Hello 测试”）	1. 加载混合文本图片 2. 在OCR设置中选择“中英文混合” 3. 执行识别	中英文均被正确识别，结果按语言分类显示
  7	结果保存功能	测试图片：含5行文本的图片	1. 执行OCR识别 2. 点击“保存结果”按钮 3. 选择保存路径（.txt格式）	生成文本文件，内容与识别结果完全一致
  8	异常图片处理	测试数据：损坏的JPG文件（corrupted.jpg）或非图片文件（test.pdf）	1. 尝试加载损坏文件	状态栏显示“无法加载图片”，程序无崩溃
  9	空选区识别	测试图片：空白区域或无文本图片	1. 绘制极小矩形选区（如1×1像素） 2. 执行识别	状态栏显示“未检测到文本”，无错误弹窗
  10	大图分块识别	测试图片：超长文档截图（需分块处理）	1. 加载大图 2. 启用“自动分块”选项 3. 执行OCR识别	程序自动分割图片并合并识别结果，无遗漏或重复

参考

• 转：别急着写代码，先教AI怎么干活