必须使用火山引擎文档版面分析模型（v2.3+）并启用reading_order参数，配合语义锚点提示词与y1/x1双序后处理，才能准确还原多栏图文混排材料的真实阅读顺序。
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
在处理发票、合同、扫描文档等多栏图文混排材料时，OCR识别结果常出现段落错乱：左栏末尾文字跳到右栏开头，表格内容被拆散成无序碎片，导致后续字段提取、结构化入库或人工核对全部失效。火山引擎视觉服务默认按检测框坐标排序，但真实阅读顺序需结合语义流与物理布局双重判断。
用版面分析模型替代基础OCR
基础OCR接口（如通用文字识别）只返回文字+坐标，不理解段落流向。必须切换至支持版面分析的专用模型。
登录火山引擎控制台 → 进入「视觉智能」服务 → 选择「文档版面分析」模型（非「通用文字识别」）→ 确认模型版本为 v2.3 或更高（2026年8月起v2.3全面支持阅读顺序标注）。
调用时在请求体中显式启用阅读顺序模式：【"layout_analysis": {"enable_reading_order": true}】。漏掉这行参数，模型仍按坐标排序输出。
构造带语义锚点的提示词
当使用TRAE或AgentKit调用OCR时，纯API参数不够，需在自然语言指令中植入阅读顺序约束信号。
方法一：用“从上到下、从左到右”明确限定
在TRAE对话中输入：“请用火山引擎版面分析模型识别这张合同图片，【严格保持原文从上到下、从左到右的阅读顺序】，保留所有换行和段落空行，不要合并相邻文本块。”
方法二：用物理位置锚定关键段落
对含标题/表格/签名区的复杂文档，添加定位指令：“先识别顶部居中黑体大字作为文档标题，再依次识别其下方三段正文，最后提取右下角手写签名区域文字——按此物理顺序组织输出。”
注意：不加锚点时，模型可能把页脚页码误判为正文首段。
后处理校验与强制重排
即使启用了版面分析，部分扫描倾斜或低分辨率图片仍会导致顺序偏差。需本地校验并修正：
第一步：解析API返回的JSON，提取每个text_block的bounding_box坐标（x1,y1,x2,y2）和reading_order字段；
第二步：对reading_order为空或重复的块，按y1主序、x1次序重排——【y1差值小于行高1.2倍的视为同一行，同一行内按x1升序】；
第三步：将重排后的文本块按行拼接，每行末尾添加\n，保留原始段落间距；
第四步：用正则匹配连续空行（\n{3,}）标记章节分隔，避免将页眉页脚与正文混作一段。
