AI审过我的答辩材料后，它问：你丢给AI的，证据，有何高招？

答辩前夜被AI点名

凌晨两点， 我把整套答辩材料拖进工作岗位台，本以为能得到一句干脆利落的“没问题”。最终还是结果是它只回了一句，你丢给AI的证据材料，有何较高招？当时心里咯噔一下那种被老师当场追问的感觉又回来了。它没有夸我PPT排版良好看，也没有帮我润色措辞，而是盯着证据材料链说这里缺口子。那一刻既恼火又佩服，恼火的是它一点面子都不留，佩服的是它终于问到了点子上，踩个点。。

我做当前这个东西叫ProofMate， 刚启动只是想解决自己论文汇报时常遇到的尴尬：结论写得漂亮，可一问出处就只能含糊其辞。当前它更像一个挑剔的审稿人，先读材料再找主张，然后把每条主张拽回到原文里去对表。它不会把模型自己生成的句子当成事实只有能回查到扫描页、有摘录、有提取方式的那条，才算进档案。这种较真实让人不容简单受，但用久了会上瘾。

O形环那张图让我破防

第一次真实正把它逼到墙角的是NASA挑战者号事故里的O形环风险因素图表。那张PDF第二页是双栏布局、英文术语混杂，还有时间段窗口标注和扫描噪声。人眼一眼能看出温度更少于现有数据库范围会引起次级密封时间段改变， 可程序却简单把secondary seal拆成两段，或者把温度曲线误认成装饰线条。 未来可期。 我用TextIn xParse把它解析成Markdown和JSON后再送进本地初审， 才能确认O-RING、temperature这一些关键词没有被打乱，也保留了原图里的项目符号和时间段区间顺序。那种看到提取最终还是结果是与原图左右对照时心里松一口气的感觉，比报告还要踏实。

Ocr不是魔法， 是分工

普通文本型PDF根本不需要再跑OCR，直接读取就行。麻烦的是手机拍照件、手扫件和带繁杂图表的文件，人能看见的东西程序未必找得到。这里有个坑，我第一次犯过把全部文件都统一走OCR，最终还是结果是整洁的文档反而更多了噪音。第二步更关键，原文件预览不能省，只看OCR文本会让人质疑人生，只看PDF又检索棘手。