LongCat AI 不直接做文档内容分析，但能基于已有结构化结果对图像类文档进行视觉标注。需将分析结果转化为自然语言指令，确保图像清晰、定位明确，并遵循位置+样式+内容三要素提示词规范，配合预标注与置信度联动实现精准标注。
☞☞☞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☜☜☜
LongCat AI 本身不直接做文档内容分析（如 OCR、字段抽取），但它能精准响应文本指令，在已有分析结果基础上，对图像类文档（PDF截图、扫描件、设计图等）实现视觉层面的标注——比如高亮重点条款、添加箭头指向病灶、插入中文批注、框出 ROI 区域等。要实现“对文档分析结果的标注”，关键在于把结构化分析结果转化为 LongCat-Image-Editn 可理解的编辑指令，并确保图像输入清晰、定位明确。
以下是具体配置路径和实操要点：
明确分析结果与图像的映射关系
标注的前提是知道“该标在哪”。LongCat-Image-Editn 不识别文字坐标，它依赖你提供：
- 原始文档的高质量图像（建议扫描分辨率 ≥300 DPI，导出为 PNG/JPEG，避免压缩失真）；
- 分析系统（如 Azure Document Intelligence、Foundry 或自研 OCR+NER 模型）输出的位置信息（如 bounding box 坐标、段落索引或语义描述）；
- 将位置信息转化为自然语言提示词，例如：
- ✅ “在左上角第三段首行文字右侧空白处添加蓝色批注：‘需补充资质文件’”
- ✅ “用红色虚线框圈出图中‘供应商名称’字段对应的区域”
- ❌ “高亮字段 supplier_name”（模型无法关联字段名与图像像素）
使用 LabelImg 预标注 ROI 提升精度
当分析结果只给语义（如“合同金额位置”）但无精确坐标时，可借助 LabelImg 提前画框：
- 用 LabelImg 打开文档图像，手动框出目标区域，导出
.xml或.txt标注文件； - 将标注框位置转换为相对描述（如“图片右下角矩形区域内”），写入提示词；
- LongCat-Image-Editn 会优先在该描述区域内执行操作，大幅降低误改风险。
配置提示词：中文优先，位置+样式+内容三要素缺一不可
有效提示词 = 位置描述 + 视觉样式 + 文字内容，例如：
- “在页面底部签名栏上方 20 像素处，添加灰色底、白色字、14 号微软雅黑的说明文字：‘本页签字已电子存证’”
- “将第二页表格中‘验收标准’列第一行单元格用黄色半透明覆盖，并在其正上方添加黑色小号文字：‘按GB/T 19001执行’”
避免模糊表述：“附近”“大概位置”“稍微大点”会导致结果不稳定。
与分析系统联动的关键配置项
若想全自动（如 Notion 更新 → 调用分析器 → 自动生成标注图）：
- 在分析服务返回结果时，强制包含 estimateFieldSourceAndConfidence 字段（启用置信度与溯源）；
- 对置信度 ≥0.85 的字段，自动生成对应位置的标注指令；
- 对置信度 <0.7 的字段，跳过标注，转人工复核；
- 所有生成的标注图，保存时附带原始分析 JSON 元数据（含 confidence、page_number、bounding_box），便于回溯验证。
硬件与部署注意事项
- 图像尺寸建议控制在短边 ≤768px（过大易模糊定位，过小丢失细节）；
- 若处理工程图纸/医疗影像等高精度图，启用
use_cache=True并关闭 moe_topk 动态路由（设为固定值如 4），提升输出一致性； - 服务部署后，务必通过
http://:7860访问 WebUI 手动测试 2–3 条典型指令，确认中文渲染、线条保持、区域锁定能力达标再接入自动化流程。
不复杂但容易忽略
