[WeeklyReports] 2026.3.27~2026.4.12 PaddleOCR+ERNIE 应用创新赛道周报汇总

[fangfangssj]

[WeeklyReports] 2026.3.27~2026.4.12 周报汇总

请各位学员在本 issue 下以 comment 的形式填写周报摘要，ddl 下周一晚，格式示例如下：

### 姓名

xxx

### 本周工作

1. xxx
2. xxx
 
### 下周工作

1. xxx
2. xxx

### 详细周报链接：

- https://github.com/PFCCLab/Camp/pull/xxx

• @xu6831
• @Letin147
• @gravel-01
• @PrayerQX
• @Thalia325
• @wenjiejiang-14138
• @IDhammaI
• @wyh16
• @xiaobawang1113
• @ZMS-PNG
• @ZhijunLStudio
• @seqi781

[seqi781]

姓名

肖金鑫

本周工作

1. 完成 Signal-Deck 项目 MVP 主流程开发，打通消息采集、内容清洗、摘要评分和报告生成链路。
2. 实现 RSS/HTML 抓取、本地 Ollama 模型接入、规则回退评分及 Markdown/HTML 报告输出，并补充了基础测试与仓库整理。

下周工作

1. 扩充 AI / 开源 / 工程实践相关消息源，优化摘要提示词和评分策略。
2. 继续完善去重、聚类和端到端验证能力，提升结果质量与项目可用性。

详细周报链接：

https://github.com/seqi781/Camp/tree/main/WeeklyReports/Hackathon_10th/seqi781

[Thalia325]

姓名

龙小羽

本周工作

1. clawmaster 检测开发

   • clawmaster debug 提交了 5 个 issue：
     执行链不统一、Setup 直接驱动 shell 导致核心流程跨平台不可靠 openmaster-ai/clawmaster#4
     UI/UX 不一致与交互体验问题 openmaster-ai/clawmaster#10
     任务场景入口与内置索引的信息架构改进 openmaster-ai/clawmaster#11
     增强导航效率、统一扩展分类与日志诊断入口 openmaster-ai/clawmaster#14
     安全与稳定性问题汇总 (feat/week1-mvp) openmaster-ai/clawmaster#23
   • clawmaster debug 提交了 PR：feat: add PaddleOCR integration flow openmaster-ai/clawmaster#15
   • clawmaster PaddleOCR 相关开发：支持在首次使用向导中便捷配置“高精度 OCR”与“高精度文档解析”，并将 PaddleOCR 拆成两个模块独立配置，补充配置入口到技能市场页。

2. careerpilot 智能体开发

   • 完成前后端基础配置
   • 对页面美观和相关功能进行了优化与改进

下周工作

1. 完成 careerpilot 后端检测，保证在各个系统下都可打开使用。
2. 完成 careerpilot 前端网页功能合理化检测与修改，优化页面细节与可视化设计，保证使用流畅方便。
3. 完成 clawmaster 相应功能合理化检查。
4. 完成 clawmaster PaddleOCR 配置检测和修改。

详细周报链接：

#565

[gravel-01]

姓名

黄丹丽

本周工作

ProView-AI-Interviewer 功能开发与稳定性优化

完成简历优化模块开发：

• 更新简历预览与配置流程，新增问卷表单、问卷状态管理与提示词序列化能力，优化上传与页面联动。
• 修复问卷流程闭环、状态重置、路由隔离及 TS 声明副作用问题。
• 修复模块重置时 token 未清理、退出登录后问卷状态未重置等问题。

完成职业生涯规划模块开发：

• 优化职业生涯规划模块 UI/UX 布局，重构总览页 Hero、文档库页面、路线图页面与任务看板展示。
• 升级职业规划文档数据，补充求职成功指南、AI 面试官使用手册等内容。

完成后端稳定性与兼容性优化：

• 增加 Supabase HTTP、直连数据库、SQLite fallback 的多级存储回退机制，并补充 storage health 状态与 fallback reason 输出。
• 为百度语音 STT/TTS 与 Supabase HTTP 请求增加 curl fallback 能力，提升 Windows 和异常网络环境下的请求稳定性。
• 修正鉴权状态判断逻辑，避免仅凭 jwt 存在导致登录态误判。

下周工作

• 完成后端存储链路、语音服务回退机制与登录态逻辑的联调和稳定性验证。
• 完成简历优化模块全流程检测，重点检查问卷、上传、预览、配置生成与状态清理逻辑。
• 继续优化职业生涯规划模块页面细节、任务看板展示和交互体验。
• 整理并提交当前本地修复内容，补充相关测试与文档说明。

周报详细链接：

#571

[PrayerQX]

姓名
周晓钰

本周工作

1. 完成 PaddleOCR-VL-1.5 与 PP-StructureV3 的本地部署和 smoke test，统一英文缓存目录，避免 Windows 中文路径导致模型下载或推理异常。
2. 整理并发布 doc-parsing-benchmark 仓库，支持 OmniDocBench、MDPBench 的 lite/resilient/full 三套 benchmark profile，并统一输出 result.md、result.json、meta.json。
3. 在 lite 数据集上完成 PaddleOCR-VL-1.5、PP-StructureV3、MinerU、HunyuanOCR、MonkeyOCR 的统一评测和对比，初步结论是 PaddleOCR-VL-1.5 跨数据集稳定性最好，更适合作为默认主通道候选。
4. 修正 MonkeyOCR 早期 text-only 接入导致表格指标被低估的问题，改为完整 parse 输出并重跑 lite benchmark。
5. 围绕 PaddleOCR 相关工作整理了三篇文章，覆盖 PaddleOCR-VL-1.5 部署、PP-StructureV3 对比，以及主流文档解析模型选型分析。

下周工作

1. 继续完善 doc-parsing-benchmark 仓库和相关文章，结合本周实测数据，进一步论证 PaddleOCR-VL-1.5 在金融领域文档解析中的实用价值。
2. 围绕金融领域 PDF、研报、表格密集文档和复杂版式文档，补充更贴近业务场景的测试样例。
3. 总结领域数据测评方法论，沉淀从数据准备、模型推理、结果标准化、评分到结果解读的标准化 benchmark 流程。
4. 补充平均单页耗时、成功率、失败页类型、显存占用和批处理稳定性等工程指标。

详细周报链接：#569

[ZhijunLStudio]

姓名

李志军

实习项目

PaddleFormers 自动化训练系统开发

本周工作

1. AutoTrainer 系统架构搭建

   • 完成自动化训练系统 AutoTrainer 的整体架构设计与实现
   • 系统支持完整的 ML 生命周期自动化：数据处理、环境设置、消融实验、训练、评估和报告生成
   • 集成 LLM 驱动的决策能力，在每个步骤实现智能化处理

2. 数据处理模块

   • 实现 ReAct 数据代理，支持任意格式数据检查（Parquet、CSV、XML、JSONL、ZIP、目录）
   • 通过 LLM 自动生成 Python 转换脚本，执行并验证输出格式
   • 支持自动修复和重试机制（最多 3 次尝试）
   • 实现数据清洗（MD5 去重、移除错误行）、分析和训练/验证/测试集划分

3. 技能模块开发

   • data-inspect：理解数据模式并生成 erniekit 转换脚本
   • diagnose-training：两级错误诊断（正则快速路径 + LLM 复杂情况分析）
   • plan-experiment：智能迭代超参数调优，支持趋势分析和自适应搜索

4. TUI 界面开发

   • 实现实时终端界面，支持可折叠面板
   • 智能日志显示和 GPU 监控功能
   • 实验进度显示在状态栏和主面板

5. 智能消融实验代理

   • 实现基于 Pearson 相关性分析的逐因子迭代调优
   • 支持自适应搜索范围调整（收敛检测）
   • 实现崩溃恢复和健康监控功能

6. 文档和示例

   • 完成系统架构文档和使用说明
   • 编写多数据集比例优化文档和可视化脚本

下周计划

1. 完善系统测试用例，提高代码覆盖率
2. 优化 TUI 界面交互体验
3. 集成更多数据格式支持
4. 完善实验报告生成功能
5. 性能优化和内存管理改进

详细周报链接#572

[Letin147]

姓名

李松阳

本周工作

1.元素类型分类
2.UI 树构建
3.SoM 数字标记绘制 (PIL 可视化)
4.PerceptionFuser 三路融合核心逻辑
5.ElementGrounding 自然语言定位
6.PaddleOCR集成

下周工作

1.Playwright 浏览器自动化封装
2.安全检查完善 + 策略配置
3.审计日志 + 执行调度

详细周报链接：

• [WeeklyReport] Letin147 2026.03.31-2026.04.12 #573

[wyh16]

姓名

温永杭

本周工作

1. 认证体系完善：认证组件迁移至 auth/ 子目录并新增忘记密码弹窗，合并注册验证码后端并解决前端冲突，找回密码表单合并为一步提交，SMTP 支持 SSL 465 端口 + 异步发信
2. 安全漏洞修复与数据隔离：修复数据隔离漏洞，实现用户数据完全隔离，为所有 CRUD 函数添加 user_id 隔离参数
3. 系统性能与并发优化：启用多线程处理并发请求，注册验证码频率限制改为实时倒计时
4. 前端交互优化：Landing 页强制深色主题并保存用户原主题，工作台添加点击外部关闭聊天菜单功能
5. 题目分割与图片优化：选项图片由 Agent 直接输出，替代前端索引猜测
6. Bug 修复：修复图片路径 imgs/ 未转为 /images/ 导致前端加载失败，修复题目卡片中图片无法渲染的问题

下周工作

1. 解决邮箱验证码接收慢问题
2. 数据库迁移

详细周报链接：

• [WeeklyReport] wyh16 2026.3.27~2026.4.12 #574

[ZMS-PNG]

姓名

赵茂森

本周工作

1. 维度建模与评价量表（Rubric）设计

   • 构建"个性化"的可观测二级指标：人设拟合度、记忆唤醒率、情感对齐、偏好敏感度
   • 输出物：《Agent 个性化评估多维度量表》，包含每个维度的 0-5 分详细打分准则

2. 技术栈链路打通与验证

   • 测试 PaddleOCR 在生活化 App 截图（如微信、小红书、游戏 UI）上的识别表现
   • 版面分析与结构化导出（Dify 可理解的 JSON 格式）
   • 在 Dify 中搭建评分系统"骨架"，创建节点并固化 Prompt
   • 输出物：PaddleOCR 文本提取预处理模块 + Dify 评分工作流 V1.0

3. 逻辑分析工具开发

   • Obsidian 终端插件开发（本地模型便携工具）
   • Harness 文档和架构设计（可视化逻辑和工程化约束）
   • 针对 Agent-workflow 的 2D/3D 链路分析工具开发
   • 输出物：逻辑分析工具开发模块

下周工作

1. 基准测试集（Benchmark）冷启动

   • 针对"生活化、娱乐化"场景，手动构建第一批高质量测试用例
   • 模拟 5 个典型场景（深夜情感倾诉、剧本杀角色扮演、旅行计划定制等）
   • 人工编写"完美个性化"参考回复作为 Ground Truth
   • 输出物：包含 50 个 Prompt-Response-Context 三元组的基准数据集

2. 重点选取三个具体场景进行数据采集

   • 社交媒体个性化互动（小红书/微博）- 评估流行语、审美偏好、情感基调识别
   • 角色扮演类游戏/剧本杀 - 评估多轮对话中人设稳定性
   • 生活决策辅助（美团/大众点评）- 评估口味偏好捕捉与非同质化建议

详细周报链接：

• [WeeklyReport] ZMS-PNG 2026.03.31~2026.04.12 #579

[IDhammaI]

姓名

吴家齐

本周工作

1. 工程架构重构

   • 底座标准化：重构组件库与目录拓扑，引入 @/ 别名映射，消除技术债。
   • SoC 治理：按功能域拆分 components 与 views 层，实现业务逻辑与渲染的物理隔离。
   • 高阶重构：解构 AppLayout 等复杂视图，封装为组合式函数 (composables)，代码行数缩减 70%。

2. UI 系统升级

   • 风格统一：完成全站 Linear 风格重写，适配亮/暗色主题 (useTheme)。
   • 交互增强：首页引入 Bento Grid 布局及打字机效果，优化全站 Loading 反馈。

3. 多模态与 AI 模块开发

   • PaddleOCR 集成：封装 OCR 识别管道，支持手写笔记与试卷版面的特征提取。
   • 笔记 Agent：构建后端流水线，实现非结构化文本提炼及 LaTeX 公式渲染。
   • 对话引擎：集成 DeepSeek Reasoner，开发支持流式传输的独立深度对话模块。

4. 协作与细节修复

   • 流转优化：重构擦除/OCR/分割分步流程，修复浏览器缩放 bbox 定位等 10 余项 UI Bug。
   • 合规维护：清理废弃文档，完善 JSDoc 注释，解决多项跨分支合并冲突。

下周工作

1. 产品闭环 (P0)：建立知识点标签体系，打通“错题-笔记”智能关联学习闭环。
2. 部署工程化 (P1)：编写 Docker 部署方案，补充 CONTRIBUTING 等开源标准文档。
3. 影响力建设 (P2)：部署公网在线 Demo，内嵌用户反馈机制。

代码贡献汇总 (3.27至今): 查看我从3.27至今的PR贡献

详细周报链接：

• Camp 周报 PR: [WeeklyReport] IDhammaI 2026.03.27~2026.04.13 #580

[xu6831]

姓名

徐博

实习项目

PaperForge 文档转学术论文 PDF 生成工具开发

本周工作

1. 完成多格式输入、解析、结构化、润色到PDF输出的端到端原型链路打通
2. 修复Markdown上传、内容丢失、中英混写、LLM频控、标题重复等核心问题
3. 实现Gradio交互界面，支持文档上传、论文预览与PDF下载
4. 完成核心模块开发与联调，保障系统稳定运行

下周工作

1. 优化论文生成质量与章节表达
2. 完善正式论文排版（双栏、公式、目录、引文）
3. 优化UI交互与工程稳定性

详细周报链接

https://github.com/PFCCLab/Camp/pull/581

[ZhijunLStudio]

姓名

李志军

实习项目

AutoTrainer 自动化训练工具

本周工作

1. 修复 DataAgent 中的 shell 注入漏洞，对数据路径使用 shlex.quote 进行安全转义，移除了 _inject_row_limit 等死代码，降低维护成本

2. 优化数据处理流水线性能：JSONL 清洗从全量加载改为流式处理（逐行写入），减少内存占用；Parquet 转换时正确处理 NaN 值转为 None，保证 JSON 输出格式正确

3. 实现多数据集比例消融（multi-dataset ratio ablation）：自动为多数据集场景创建 5% 子集用于比例实验，支持 leave-one-out 和 ratio sweep 两种策略

4. 完善实验调度器（ExperimentScheduler）：新增 run_next、run_all 接口和 CheckpointGC 自动清理机制，支持持久化队列与断点恢复

5. TUI 新增实验进度展示：在状态栏和主面板实时显示当前实验阶段进度

6. 添加 tiktoken 依赖，支持 LLM token 计数的精确计算

下周工作

1. 继续完善多数据集比例消融的文档和可视化分析工具
2. 对 OCR 检测任务进行实际训练验证，测试 AutoTrainer 端到端流程
3. 优化 DataFlex 数据处理工具的稳定性，完善依赖管理和 CI 流程

详细周报链接

#588

[ZMS-PNG]

姓名

赵茂森

实习项目

多智能体评价系统

本周工作

完成多智能体评价系统整体思路梳理：确立"结果层、过程层、结构层"三类评价对象，明确系统定位从单次输出评价扩展到多智能体协作评价

补充多智能体评价指标体系：新增任务拆解合理性、角色分工清晰度、信息传递完整性、协作一致性、工具调用有效性、错误恢复能力6个 维度，完成Rubric V0.2

设计Benchmark场景与测试用例：完成社交媒体互动、角色扮演、生活决策辅助、多智能体协同任务4类场景设计，输出Benchmark数据结构草案

迭代技术链路分析方案：明确"截图→结构化上下文→Trace→Judge→评分报告"链路，设计Workflow Trace Schema

下周工作

实现多智能体评价系统V0.1原型，完成JSON Trace输入处理和多维评分输出

扩充Benchmark数据集，完成至少30个高质量测试样例覆盖4类场景

设计安全与本地化使用方案，明确本地优先运行流程和输入日志脱敏规则

迭代工作流可视化工具，结合评价结果展示节点依赖和信息流

详细周报链接

#589

[IDhammaI]

姓名

吴家齐

本周工作

1. 系统设置与账号能力完善

   • 重构系统设置结构，重新梳理设置页侧边导航与分区视图，完善设置项组织方式与分区视图。
   • 重构 API 配置页，支持单个 API Key 选择多个模型，并补充 Provider 图标适配，优化模型管理体验。
   • 完善设置页与邮箱修改流程的 UI 适配，拆分免费额度为独立设置分区，并优化返回应用按钮等细节交互。
   • 完善用户资料编辑与头像上传能力，补齐认证页表单基础组件、全局 Toast 挂载与验证码按钮样式。
   • 修复 Provider 操作按钮未显示、未右对齐、取消选中后刷新恢复，以及浅色模式下表单自动填充文字异常等问题。

2. 主题适配与前端体验优化

   • 完成首页、认证页、工作台侧边栏、全局背景、加载组件、用户下拉菜单等核心模块的浅色模式适配，统一全局组件样式。
   • 修复首页跳转认证页时主题状态被重置的问题，提升亮暗主题切换一致性。
   • 提取首页 FeatureCard、WorkflowStep 等组件，优化视图切换动画，并在页面中新增 GitHub Issues 反馈入口。
   • 优化聊天侧栏 active 高亮与消息展示效果，调整上传区与状态栏间距、应用页容器留白、笔记空态布局及筛选选择框圆角等细节。
   • 统一录入按钮为 BaseButton，封装 brand 变体并统一空白页按钮风格，同时调整笔记库容器布局以对齐错题库风格。

3. 线上能力建设与产品推进

   • 接入每日服务器免费额度与多入口超限校验逻辑，提升系统资源控制能力。
   • 改用公开会话 ID 并补齐会话路由兼容，持续修复聊天、导航和工作台相关前端问题，增强线上可用性。
   • 更新品牌 Logo 与 favicon，完善产品对外展示细节。
   • 完成项目公网部署，产品开始对外提供访问并逐步积累首批用户。

下周工作

1. 继续打磨设置页、工作台与聊天模块的交互细节，提升整体流畅度与稳定性。
2. 结合公网部署后的真实反馈，进一步优化免费额度策略、异常提示与使用引导。
3. 持续推进产品功能完善与线上问题修复，增强可用性并积累更多种子用户。

详细周报链接：

• Camp 周报 PR: [WeeklyReport] IDhammaI 2026.4.13~2026.4.27 #590
• 代码贡献汇总 (4.13至今): https://github.com/xiaozhejiya/error_correction/pulls?q=is%3Apr+author%3AIDhammaI+created%3A%3E%3D2026-04-13

[PrayerQX]

姓名

周晓钰

本周工作

1. 金融图像理解项目工程结构整理与能力补齐

• 完成 paddleocr-ernie-pyfi 项目的新版仓库整理与导入，基于 uv 搭建本地可复现工程，梳理依赖、环境变量和运行方式。
• 对项目结构进行模块化拆分，形成 cli、pipeline、dataset、manifest_runner、paddleocr_client、ernie_client、reporting 等较清晰的职责边界。
• 补充 contract、finance、invoice、research_paper 四类 domain adapter 配置，并同步完善测试骨架，为后续迭代提供基础保障。

2. PaddleOCR + ERNIE 4.5 文档理解链路搭建

• 打通从 PDF/Image -> PaddleOCR layout parsing -> OCR evidence -> ERNIE reasoning -> Markdown/JSON export 的完整链路。
• 在 CLI 中补充 dataset-info、dataset-download、parse、analyze、ask、manifest、run-manifest、score-manifest、export-architecture 等命令，增强实验复现能力。
• 增加 QuestionRouter 与 OCRPresetResolver，支持不同题型自动选择 light、medium、heavy 等 OCR 策略。
• 针对图表类题目增加 chart consistency 校验逻辑，降低 OCR 失真后模型直接给出错误结论的风险。

3. PyFi benchmark 与评测流程建设

• 接入 PyFi-600K 数据集，支持 metadata 查看、按 selection 下载核心文件，以及基于公开 CSV 构建本地 manifest。
• 构建按 capability 分层采样的 301 样本 manifest，并固定 seed，尽量保证多轮实验具备可比性与可复现性。
• 在 manifest runner 中实现逐样本状态记录和 resume 机制，避免长跑实验中断后需要整轮重跑。
• 默认关闭 web search，强调 benchmark 评测只基于数据集证据和 OCR 证据，减少额外检索噪声。

4. 两轮 pyfi301 实验与结果分析

• 使用相同的 ernie-4.5-21b-a3b 模型，对两套 PaddleOCR 配置分别完成 301 样本实验。
• 第一轮采用 layout-parsing + medium 配置，结果为 163/295，准确率 0.552542。
• 第二轮采用 baidu_sample 配置，结果为 157/300，准确率 0.523333。
• 初步结论是：更重的 OCR 配置虽然提升了覆盖率，但未必带来更高质量的数值证据，在 Calculation_analysis 和 Data_extraction 等能力项上仍有优化空间。

5. 当前问题梳理与后续优化方向明确

• 当前链路的主要问题仍然是视觉信息在 OCR 文本化过程中存在损失，尤其体现在颜色、图例、空间位置、多子图关系等强视觉题目中。
• 同时也观察到部分样本已具备足够证据，但模型仍然判断错误，说明问题不仅在 OCR，也在推理与输出约束层。
• 结合两轮实验结果，当前更适合先以第一轮配置作为基线，再继续围绕 OCR 参数、提示词和视觉证据保留策略做定向优化。

下周工作

1. 重点对当前 pyfi301 样本集做人工检查，逐条核对题目、标准答案、OCR 证据和模型输出之间是否一致。
2. 在人工检查基础上，筛出最值得突破的单个模块，优先集中优化最有希望取得更优成绩的能力项。
3. 围绕选定模块继续做定向优化，重点验证 OCR preset、prompt 约束、证据组织方式和输出格式约束是否能够稳定拉升成绩。
4. 对优化后的方案进行小规模复测，确认结果提升具有稳定性，而非偶然波动。
5. 持续补充实验记录和项目文档，保证后续复现、展示和总结更加完整。

详细周报链接：

• 周报 PR：[WeeklyReport] PrayerQX 2026.04.13~2026.04.26 #587

[wyh16]

姓名

温永杭

本周工作

1. 完成前端功能重构与交互优化，包括筛选组件通用化、深色模式样式优化及富文本编辑能力增强。
2. 完善笔记模块，新增科目与标签筛选、优化预览逻辑并支持 LaTeX 简化展示，同时修复了笔记操作竞态问题。
3. 新增系统级托管配置与模型选择模块，修复代理环境运行问题，优化工作台模型切换体验。
4. 优化文件上传与存储逻辑，修复前端文件上传与本地存储相关异常问题。

下周工作

1. 持续优化前端交互体验，提升系统易用性。
2. 完善笔记模块功能，补充更多实用能力。
3. 推进系统稳定性优化，修复潜在问题。

详细周报链接：

• Camp 周报 PR: #574