Why
為什麼做
一次把幾十張文件照片全丟給 AI,很難檢查有沒有漏頁、順序亂掉或哪頁辨識出錯。必須先整好頁序再送讀,最後還要能對照原圖人工校對。
What I built
我做了什麼
- 批次選圖、拖曳排順序、放大檢視與逐頁轉寫,保留頁碼與來源檔名。
- 支援切換 Codex CLI 與 OpenAI-compatible Vision provider,每頁直接看處理狀態和實際 token 用量。
- 從獨立 PWA 整進掃描工作台後,OCR 完可以直接對照原圖改字再匯出。
Role & AI
我和 AI 怎麼分工
從自己整理紙本報告的痛點出發,決定手機拍完接回電腦校對的動線,細節實作由 coding agents 接力迭代。
Trade-offs
實測後推翻與取捨
- 最早先做了 Android 原型,後來改走共用 Web/PWA 介面,省下兩邊維護成本;相簿多選與單張快拍保持分開,留住整疊批次整理的順手度。
- 前端負責切頁、排序與圖文對照校對,實際 OCR 辨識可自由切換 Codex CLI 或各家 OpenAI-compatible Vision 模型。
Outcome
成果
已從單純的「照片轉 Markdown」小工具,整併成單一服務的掃描與校對工作台。