为什么要重写80%的代码
在过去的一年里，我们收到了大量来自用户的反馈，集中指向几个棘手的问题：多栏版式的古籍识别经常出现区域串行，大字正文和小字夹注的区分不够精准，倾斜较严重的扫描件校正效果不稳定。
这些问题看似独立，但追根溯源，都指向同一个底层原因——排版引擎的架构设计已经跟不上日益复杂的实际场景。修修补补解决不了根本问题，我们决定推倒重来。于是，80%的代码被重写。这不是一个轻松的决定，但回头看，这是唯一正确的选择。
在这次重写过程中，我们也在核心环节大量使用大模型进行辅助编程。从区域检测模块的重构，到大小字检测的分类逻辑，再到倾斜校正算法的调试，大模型都参与了算法设计、代码生成、逻辑梳理，工作效率提升显著。
区域检测模块：让多栏版式不再“串台”
古籍中的多栏版式并不少见——双栏对照、三栏批注、图文混排，这些版式在传统排版引擎中很容易出现区域识别混乱的问题。过去，用户需要手动通过 area 参数标注每个区域的矩形坐标，稍有不慎就会导致识别顺序错乱。
排版2.0新增了区域检测模块，通过 area_ids 字段标识每个单字所属的区域序号。这意味着引擎现在能够自动识别图像中的不同区域，并将识别结果按区域组织输出。对于开发者和研究者而言，返回的结构化数据中，每个字都携带了明确的区域归属信息，后处理逻辑可以基于此做更精细的版面还原。
启用方式也很直观，通过 layout_type 参数控制：
- layout_type=2 ：排版2.0，启用自动区域检测。引擎自行判断图像中的区域划分，area_ids 字段有效。
- layout_type=1 ：排版2.0，不启用自动区域检测。沿用原有的 area 参数人工标注区域，area_ids 字段无效。
- layout_type=0 ：排版1.0，通过 area 参数人工标注区域，area_ids 字段无效。
这套设计的好处在于向后兼容——已有的集成方案不需要改动，同时为愿意尝试新能力的用户提供了平滑的升级路径。对于多栏古籍、带有插图分割的复杂版式，自动区域检测可以显著降低人工标注的成本。
大小字检测：让夹注不再“隐身”
古籍中的双行夹注是一个经典难题。正文大字与夹注小字在视觉尺度上差异明显，但传统OCR流程往往一视同仁，结果要么夹注被遗漏，要么与正文混在一起。
排版2.0新增了大小字检测模块，通过 anno 字段标识每个字的大小属性。anno 是0到1之间的浮点数：0代表大字，1代表小字，越靠近0越偏向大字，越靠近1越偏向小字；中间值则反映模型对该字归属的判断置信度。开发者和研究者可以据此在输出结果中灵活区分正文与夹注。
这一模块的意义不止于识别准确率。对古籍数字化项目而言，正文与夹注的区分直接影响后续标点、翻译和知识抽取——夹注常常是理解正文的关键线索，一旦被淹没在正文里，整篇文献的语义结构就会失真。
排版1.0中，小字判断主要依赖 layer 字段：先判断某一文字列是否属于夹注，再把夹注列整体认定为小字。这种间接推断有天然局限。页眉批注、单列小字、页码等，并不属于夹注，却同样是小字；而头尾贯通的夹注列，layer 字段也难以准确描述。大小字检测直接落在单字尺度上，绕开了这些限制，也让上述情况有了更可靠的解决方式。
倾斜校正：更稳、更准
倾斜校正并不是新功能，但排版2.0中的倾斜校正模块经过了重新设计和增强。文字列排序对图像的平整程度要求很高，图像一旦明显倾斜，文字列排序就极易出错。
新的倾斜校正模块采用更鲁棒的检测策略，能够处理更大角度范围的倾斜，同时对局部变形的适应性也有明显改善。
从API的角度看变化
对于已经接入古籍酷API的开发者来说，这次更新的变化是稳健、平滑的。
新增的 layout_type 参数默认值为1：既启用了排版2.0的一些新特性，又保留了 area 参数的人工标注配置，不需要改变原有调用方式。如果想继续留在排版1.0，将 layout_type 设为0即可；如果希望体验自动区域检测，则将 layout_type 设为2，响应结果中的 area_ids 字段会携带每个字所属的区域序号。
大小字检测自动启用——每次OCR请求的返回结果中都会包含 anno 字段，无需额外参数配置。对于正在构建古籍数字化流水线的团队来说，这意味着可以在不修改现有请求逻辑的前提下，逐步将大小字信息纳入后处理流程。
接入标注平台
排版2.0的区域检测能力也接入了古籍酷的标注平台，尚处在测试阶段。用户可以在“设置 -> 自动排序 -> 检测区域”中启用这一功能。启用之后，平台在使用古籍识别、绘制、导出数据等功能时，会自动应用区域检测逻辑，同一区域内的文本列自然排序，不同区域的文本列互不干扰。对于经常处理多栏古籍、图文混排版式的用户，这个开关值得先打开试一试。
图4：启用“检测区域”功能
高精度版本：ocr_plus
面向准确还原异体字的专业场景，我们推出了全新 API：ocr_plus。它是 ocr_pro 的高精度升级版本，能够更细致地保留原刻、原抄中的异体字写法，而不是简单地归一化为标准字形。对于古籍整理、文字学研究、碑刻录文等需要保持字形原貌的项目，ocr_plus 提供了更可靠的识别结果。
目前该版本面向企业用户开放测试申请。有需要的团队可以通过官方渠道提交测试申请，我们会根据实际使用场景安排接入和评估。具体参数与返回格式与ocr_pro完全一致，请参考古籍酷 API 文档。
写到这里，我想起一位用户说过的话：“古籍数字化最难的不是技术，是让技术在古籍面前保持谦卑。”
这次重写，80%的代码推翻重来，区域检测、大小字识别、倾斜校正逐一打磨，过程并不轻松。但当我们看到那些原本被漏掉的夹注小字第一次被准确标出，那些倾斜的页面第一次被稳稳校正，那些多栏版式不再串行，就觉得这些功夫没有白费。技术终究是工具，古籍才是主角。