具備稽核軌跡的文件 OCR
大多數 OCR 只丟給你一堆得照單全收的文字。space-ocr 則為每個數值附上一個已驗證的頁面位置——邊界框、頂點與比對比例（match ratio）——讓任何欄位都能回溯到它原本所在的像素。
從文件中擷取資料，做個展示很容易，要讓人信得過卻很難。一個模型讀了一張發票，回傳 total: 2,045，於是你面對一個任何信心分數都無法真正回答的問題：這到底是頁面上實際印著的數字，還是模型自己生出來的？ 如果只是臨時查一筆資料，這倒無所謂。但換成會計、理賠處理、法遵合規，或任何你日後得接受稽核的場景，「相信模型就對了」根本稱不上是一種控管。
稽核軌跡正好補上這一塊。每個欄位回傳的不再只是一個光禿禿的數值，而是附帶一個已驗證的頁面位置——這樣一來，人（或另一套系統）就能直接跳到該數值被讀取出來的那組像素加以確認。這正是「一個答案」與「一個你能站得住腳的答案」之間的差別。
親眼看看：每個數值都回溯得到源頭
把游標移到下方任一欄位上。收據上那個框，就是該數值被讀取出來的位置——而且每個欄位都各自帶著自己的比對比例。
Each value with a box carries a verified on-page location — bbox + 4-point vertices + match_ratio — on a 0–1000 normalized grid (0,0 top-left → 1000,1000 bottom-right), the same shape the live API returns. Hover a field to trace it back to the pixels it came from.
「已驗證的位置」實際上是什麼意思
space-ocr 在每個擷取出來的數值旁，會一併回傳三樣東西：
bbox— 一個與座標軸對齊的矩形{ xmin, ymin, xmax, ymax }，落在 0–1000 normalized 的網格上（0,0 = 左上角，1000,1000 = 右下角），與圖片的像素尺寸無關。vertices— 四個有序的點{x, y}（左上 → 右上 → 右下 → 左下），構成一個會跟著文件傾斜角度走的帶方向邊框，因此就算是拍歪的手機照片，框線也能貼合得乾乾淨淨。match_ratio— 該數值中，實際在頁面上定位到的字元所占的比例（0–1）。當這個值達到 ≥ 0.85 時，該欄位就被視為高信心比對成功；1.0表示每個字元都被找到了。
因為位置資訊是跟著數值一起回傳的，結果就不再是個黑盒子。你可以把框畫出來、引用座標，或重新查核某個被標記的欄位，完全不必再跑一次 OCR。
這些座標並不是直接採信模型講的。 語言模型會回傳每個數值的文字——以及它用到了哪些 word token 的提示——但從不回傳框本身。接著引擎會拿那段文字，去和視覺 OCR 在頁面上實際偵測到的符號做字元比對，讓框落在那些字元真正被找到的像素上，並為每個數值算出一個比對比例：它的字元中實際被定位到的占比。模型給的 token 提示可能有雜訊——在重複的列之間有時還會張冠李戴——所以引擎會用欄與列的一致性檢查去驗證它們，而不是盲目採信。重點不在於 AI 不會出錯，而在於每個數值都會回頭對照頁面查核，並附上一個說明它比對得多吻合的分數。
點一下數值，直接落在像素上
在 App 裡，這變成了一種互動：點任一格，原始圖片就會把該數值所來自的那個框精準地標亮出來，還附上放大裁切與一條連接線。要抽查一整批資料，這是最快的方式——你的視線直接落到那個點上，而不必把整份文件從頭掃一遍。
修改紀錄同樣可稽核
稽核軌跡不只關乎機器的輸出——也關乎人到底改了什麼。當你編輯一格時，space-ocr 會把你的修改與原始 OCR 數值分開保存。Original 提示框永遠會顯示引擎一開始讀到的內容，讓審核者能把機器的數值與人工覆寫的值並排對照。
它就在 API 裡，附在每個數值上
這並不是只有 UI 才有的功能。POST /ocr/fields 會在每個擷取出來的數值上回傳同樣的 bbox、vertices、match_ratio 與 bbox_source，並用一份 field_bboxes 對照表逐欄位給出座標。當你用 GET /view 查詢已儲存的試算表時，這些框預設就會一起帶回來——只有在你想要更精簡的回應內容時，才加上 boxes=0。
{
"status": "success",
"data": {
"total": "2,045",
"field_bboxes": {
"total": {
"bbox": { "xmin": 595, "ymin": 974, "xmax": 781, "ymax": 1000 },
"vertices": [
{ "x": 594, "y": 975 }, { "x": 781, "y": 972 },
{ "x": 781, "y": 998 }, { "x": 595, "y": 1000 }
],
"match_ratio": 0.93,
"bbox_source": "vision_symbol_match"
}
}
}
}bbox_source 會告訴你每個座標是怎麼推導出來的——vision_symbol_match 是常見的字元比對路徑（會帶著它真正的 match_ratio），token_id 表示用到了 word-token 提示，而 low_confidence 則標記出一個值得再看一眼的弱比對。這是一份你可以記錄、過濾，或呈現給審核者看的中繼資料（metadata）。
實務上如何驗證一個數值
- 打開擷取結果打開試算表，或呼叫 GET /view——每個數值都帶著它的 bbox、vertices 與 match_ratio。
- 點一下該數值點該格，就能在原始圖片上標亮它被讀取出來的確切區域。
- 查看比對比例match_ratio 為 1.0 表示每個字元都被定位到了；低於 0.85 則標記出一個值得再仔細看一眼的數值。
- 必要時加以修正編輯該格即可覆寫它——為了稽核軌跡，原始的 OCR 數值會被保留在 Original 提示框底下。