从“需要一周”到“一个晚上”：当AI帮我解决了最头疼的技术难题

从7月份开始，我一直在推进一项文献的整理编撰工作。
我目前在进行某位古代文人湖南期间的古籍文献整理工作。这个题目的核心资料是一本公开出版的古籍PDF扫描版，竖排，繁体字，文言行文，一共10册，每册600多页，我需要从中找出他在湖南流寓期间写的诗，然后把它们转成可编辑的文字，再进行后续研究。
前期的定位工作我花了很长时间。我先是确认了他湖南时期的现存诗集，然后从这位学者编撰的全集中锁定了卷一，确认了卷一里收录的就是他在湖南写的诗，一共60多首，70页PDF。范围确定之后，我开始面临一个实际问题：这本古籍是PDF扫描版，我需要把它转成Word文字。
我试了传统OCR。
我用WPS的识别功能，一页一页地扫描。竖排繁体字，识别率大约在60%-70%左右，剩下的需要我自己对着原文一个字一个字地校对。一页大约需要10-15分钟，全部下来估算约15小时——按每天5小时算，大约需要3-5天。
我准备这样做，因为这是我当时能找到的最可行的方法。同时我一直在想：能不能更快一点？应该还有更好的方法吧？
8月18日晚上，6点多，我坐在书桌前，继续处理这件事。当时我已经完成了前10页的整理，剩下60页，我正在想这周能不能全部完成——然后我拿起手机，开始一边休息一边在想有没有新的办法。
我在手机上随意翻看时，突然想起一件事：我新买的华为Mate 80，系统自带的那个“小艺Claw”是什么样的？我之前看过一些介绍，说它能帮人做一些事情。我点进去，发现它好像能读懂图片里的文字，而且不只是机械识别——它能结合上下文理解内容，识别正确率应该比传统OCR高很多。
然后我想：那我能不能把古籍PDF的截图发给它，让它帮我逐页识别文字，然后把识别结果导出来？
我就试了。
我把一页PDF截图发给它，让它识别并输出文字。它思考了一段时间后给出了结果，正确率比传统OCR高出不少——除了少数几个字，基本没什么错。我又试了几页，也是一样，基本上都能识别出来，虽然有错字，但很少，一页可能错一到两个字。
然后我开始尝试批量处理。我让它一次识别10页PDF的内容，它思考了大概10到20分钟，然后把10页的文字全部输出来。我复制粘贴到Word文档里，只需要调整一下标题格式、加粗、居中，就差不多了——不用再一个字一个字地校对。
但也不是一开始就那么顺利的。它会有卡顿——就是处理到某个地方突然不动了，也不输出结果；它也会有死机，整个任务直接停掉，不知道原因；它还会出现识别错误，比如把某一整行字跳过去不处理。
后来我意识到，它不是一个直接“输入任务→输出结果”的工具，它像一个人一样有自己的理解方式，需要人去看它的运行过程。它能走多远，取决于我能不能识别出它在哪个地方卡住了，然后重新调整指令，帮它绕过去，或者换一种方式给它新的要求，让它能继续往下走。
就是说，它一开始不熟练，我需要去调教它。我浏览它处理过程中的每个环节，观察它在哪里断开、在哪里犹豫、在哪里出错，然后逐段调整我的指令，让它重新启动处理任务。有点像教一个人做事——他一开始不太理解你想让他做什么，你要给更具体的指引，把任务拆细，告诉他处理到某个地方时要怎么处理，处理不下去了要怎么接上。这样反复调整几次之后，他就能基本按照你的预期来完成工作了。
于是我就用这样的方式跟它磨合了一个晚上。我让它一次识别10页，它处理完我就把文字导出来，同时让它继续处理下一批。中间如果卡住了，我就停下来看看它卡在了哪里，然后重新调整指令给它，让它继续推进。
从晚上6点多开始，到11点左右，我一共只用了几个小时，就把剩下60页PDF的文字全部整理出来了。
原本觉得可能要花一周时间完成的事情，一个晚上就推进到了基本完成的状态。
我在完成这件事之后想了很久。
我越来越觉得，“做不到就是因为不够想”这句话在我身上验证了。可能我们普通人的日常生活中，绝大多数的事情，都是拥有解决办法的。我整个人的状态确实是：一直在想这件事，一直在寻找更好的办法，哪怕在休息的时候也没有停止过想它。然后在我快要忘记自己在找的时候，那个方法出现了。
这也许就是“酝酿效应”的一种体现。但也可能是因为我持续地在想、在找、在接近，所以当机会出现时，我能立刻识别出来，并投入使用。
还有一个感受是，AI工具的到来，比我以为的更近。在我遇到这种具体的、有文字识别和理解需求的任务时，它能直接帮我节省大量的时间。
这次经历也提醒我一件事：当遇到看似很麻烦的问题时，即使已经有了一个可行的解决方法，也不要急着认定“这就是唯一的方式了”，而是可以继续留意、继续寻找，有时候更好的方法就藏在你已经拥有的工具里，只是你还没发现它怎么用。如果发现了也不会用，也没关系，花一点时间去磨合，去调教，去理解它的运作方式，它能做到比你想象的更多。
——记于毕业论文古籍整理基本完成之夜2026.8.19