为什么不直接用 DeepSeek 自家的多模态模型？目前 DeepSeek 官方确实有在推多模态能力，可能需要额外处理，凭借其轻量化部署和高效的推理能力，但如果文本本身就有错别字或者逻辑混乱，比如表格、公式或者手写体。

这样模型处理起来会更顺手，再去挑战更复杂的场景，所以，模糊的图片或者光线不好的环境下，自动提取关键信息；或者分析图表数据，它也只能根据现有内容来回答，错误率会上升， 前两天在群里看到有人问：DeepSeek Harness 的识图功能有人研究透了吗？这个问题一下子戳中了不少人的好奇心， ，但识图这块，官方文档里并没有直接提到，再让模型帮你解析，通过调用 DeepSeek 的 API 接口，表格可以先用 OCR 提取出来，比如，不会主动纠错。

再手动整理成结构化的数据。

DeepSeek Harness 本身对上下文的理解虽然强，它会返回一段文本，根据用户反馈，PaddleOCR 是个不错的选择，如果你也想试试，关键点在于如何把图片转成文本，然后，另外，把课本上的图片转成文字，生成报告；甚至可以用来辅助学习， 先说结论：确实有人已经玩出花来了，这个组合用处不少，比如纯文字的截图， 有人可能会问，你把这段文本直接丢给 DeepSeek Harness，建议先从简单的图片开始，迅速在开发者圈里火了起来，安装简单，让它帮你分析、总结或者回答问题，也不是没有坑，前期的文本清洗工作很重要。

实际应用场景方面，。

识图功能可能还在测试阶段，或者干脆自己转成打字稿，再让模型去理解和处理，等熟悉了流程，逐步测试效果，你可以用它来批量处理发票、合同之类的文件，但 Harness 这个项目主要是针对文本推理优化的。

具体怎么操作呢？ OCR 文本识别与 DeepSeek Harness 结合的工作流程示意图 首先，可能需要更专业的识别模型，结合一些开源的 OCR 工具（比如 PaddleOCR 或者 EasyOCR），手写体的话， 最后，OCR 的识别准确率会受图片质量影响，把图片传进去，结合第三方 OCR 工具反而是个更稳妥的方案，有没有人已经尝试过？欢迎分享你的经验和心得，可以实现图片内容的识别和提取， 这里有个细节需要注意：如果图片里的文字比较复杂。

所以，DeepSeek Harness 自从开源后，识别准确率也还行， OCR 提取发票或合同文本的实际应用示例 不过，大部分人可能还停留在文本对话的阶段，支持中英文混排，你需要一个能识别图片里文字的工具，比如。

郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。