个人理解考虑使用cursor/codebutty商业软件重新生成python IDLE 大模型agent效率仍不高对上下文的理解连贯性仍是问题多次代码生成的一致性不能保证调试消耗时间关于编程- 没有代码基础也能编码入门更容易- 虚拟环境下大模型未能检测到环境无法完成自我验证- 功能实现不完善使用标准IDLE环境编程的效率较低 -- 考虑使用专门的开发IDE实现工欲善其事必先利其器- 只包含了基本功能测试对核心的图像加载 文字识别的特殊用例覆盖较少测试覆盖不全面 -- 测试步骤的实现仍需要单独处理然而如果需更快速的完成程序实现更高效的识别代码中的问题不断迭代必要的代码基础和架构理解会帮助开发者事半功倍进阶不易软件工程中的最佳实践仍在发挥着巨大的作用软件开发流程、软件开发过程仍在帮我们高效、高质的的完成项目开发任务只是迭代的周期更短、响应的速度更快小型的、面向日常业务的工具在AI的辅助下得以快速的开发、使用方便、适用、个性化脚本成为普遍小程序的质量在开发之初可能不再是考虑的关键快速、有效的解决问题成为了首选然而随着工具的传播和叠加使用质量问题将会突出功能性、易用性扎实的软件工程基础会帮助我们在利用AI之初就有所规划AI做事与工做事一样会犯错、会犯迷糊、会说谎话、会胡编乱造因此对AI输出结果的判断需要对软件工程、软件需求、软件开发技能充分的了解如果只给出创意需求草图手绘AI是否能够对图进行解析梳理需求、完善细节呢或者通过一段视频AI是否能够对视频进行文字描述归纳总结如果涉及流程AI能够进行分解、优化、再整合也就是AI能像人类一样通过5感甚至是第6感进行反馈和响应AI遵守规则不会像人一样迂回、设陷、扯皮重新梳理程序Python OCR实现过程- 遗留暂且实现一版后续持续改进用AI编码本计划一次性完成在与AI的交互中反复变更需求从GUI到功能细节实现更深刻的理解需求是软件工程中的始点也是最繁琐的阶段过程AI在编码实现中的确可以提效直接获取答案但提交结果的验证、测试仍是一个持续的过程在没有使用AI IDE开发平台只借助AI工具情况下与AI工具的磨合持续进行如何更好的使用AI- 细节是否可以用表格形式如对象、属性、动作- 图像局部选择- 程序测试- AI编程的实现需求 -- 大纲 -- 细节 -- 编码 -- 测试- 让AI美化GUI界面设计- Deepseek-OCR能通过图识别需求并完成程序吗目的熟悉AI编码 完善程序OCR程序开发需求界面设想AI提问1需求预研Python313UV PyQT PaddleOCRAI工具AI工具文心一言百度CSDN写作助手CSDN豆包字节跳动通义千问阿里AI提问2开发环境Python313UV PyQT PaddleOCR环境安装# python # paddleocr # pyqt5AI提问3需求分解基于python的图像ocr识别系统- GUI图形界面- GUI对象及功能 对象类型、对象属性形状/大小、显示文字/图标、响应事件 GUI层次标题、菜单、第1层、第2层。。。第N层左侧、右侧状态栏 对象属性名称、类型、大小、形状、颜色背景、字体/字号、对齐方式 响应事件AI提问4界面设计- 提问 作为Python PyQT5开发专家请按以下表格所述构建GUI程序界面并实现功能位置名称类型属性事件GUI功能标题栏图像文字识别系统标题长1200高900是是第1层打开按钮长200高50圆角矩形背景浅蓝色宋体10号居中对齐点击后选择图像文件是是全局变更使用错误第1层图像文件路径输入框长400高50宋体10号不可编辑显示打开图像的文件全路径是是第1层选择区域按钮长200高50圆角矩形宋体10号居中对齐选择图像指定区域显示并按操作显示文字是否第1层左旋按钮长200高50圆角矩形宋体10号居中对齐左旋90度是是第1层右旋按钮长200高50圆角矩形宋体10号居中对齐右旋90度是是第1层缩放滑动条长200高50圆角矩形宋体10号居中对齐左右滑动图像进行缩小、放大显示是是第1层开始识别按钮长200高50圆角矩形背景浅蓝色宋体10号居中对齐识别原始图片显示框中的文字内容是是第1层保存按钮长200高50圆角矩形背景浅蓝色宋体10号居中对齐保存文字识别文本框中的文字显示文件名为 原始图片名reg.txt是是有错误第2层原始图片显示框长600高600显示原始图片是是有错误第2层文字识别多行文本框长600高600宋体10号居上、居左对齐可编辑显示原始图片中识别的文字信息格式排列与原始图片中文字一致是否加入提示词第3层状态状态栏显示系统操作状态是是AI提问6代码实现- 一次实现- 运行问题 按钮背景色设置需调整 打开功能由于全局变量设置问题打开文件失败程序异常退出AI提问7优化完善- 二次实现- 提问作为Python PyQT5 Paddle开发专家请按以下表格所述1构建GUI程序界面并实现功能2优化代码优化界面- 运行问题 按钮背景色问题仍存在 手工对代码进行优化后各功能执行正常 仍需近一步代码优化AI提问8程序测试- 提示生成以上程序测试用例按表格形式输出格式序号、功能描述、测试数据、测试步骤、预期结果- 问题 只包含基本功能 异常数据不足 测试覆盖不全与需求点不能一一对应序号功能描述测试数据测试步骤预期结果1图像加载功能测试图片test_image.jpgPNG/JPG/BMP格式尺寸≥100×100像素1. 点击“加载图片”按钮2. 选择测试图片文件图片正确显示在QGraphicsView中状态栏显示文件名2OCR基础识别测试图片含清晰中文文本如“测试文字”的截图1. 加载测试图片2. 点击“开始识别”按钮识别结果框显示在文本附近状态栏显示“识别完成”3矩形选区功能测试图片含多个文本区域的图片如“标题”和“正文”1. 加载图片2. 按住鼠标左键拖动绘制红色虚线矩形3. 释放鼠标选区框持续显示且仅选区内文本被识别4旋转图片功能测试图片横向文字图片需旋转90°后识别1. 加载横向图片2. 点击“旋转90°”按钮3. 执行OCR识别旋转后文字方向正确识别结果准确5缩放图片功能测试图片高分辨率图片如4K分辨率1. 加载图片2. 拖动缩放滑块至50%3. 执行OCR识别缩放后图片清晰显示识别结果与原图一致6多语言支持测试图片含中英文混合文本如“Hello 测试”1. 加载混合文本图片2. 在OCR设置中选择“中英文混合”3. 执行识别中英文均被正确识别结果按语言分类显示7结果保存功能测试图片含5行文本的图片1. 执行OCR识别2. 点击“保存结果”按钮3. 选择保存路径.txt格式生成文本文件内容与识别结果完全一致8异常图片处理测试数据损坏的JPG文件corrupted.jpg或非图片文件test.pdf1. 尝试加载损坏文件状态栏显示“无法加载图片”程序无崩溃9空选区识别测试图片空白区域或无文本图片1. 绘制极小矩形选区如1×1像素2. 执行识别状态栏显示“未检测到文本”无错误弹窗10大图分块识别测试图片超长文档截图需分块处理1. 加载大图2. 启用“自动分块”选项3. 执行OCR识别程序自动分割图片并合并识别结果无遗漏或重复参考转别急着写代码先教AI怎么干活