银河麒麟系统OCR软件实战评测：从安装到应用全解析

优质文章学习记录

11 Apr 2026 — 3 min read

1. 银河麒麟系统与OCR技术初探

第一次在银河麒麟系统上处理扫描版PDF时，我遇到了和很多人相同的困境——无法直接复制图片中的文字内容。这种场景在办公环境中实在太常见了：合同扫描件、会议纪要照片、历史档案资料...难道只能手动输入？当然不是！OCR技术就是解决这类问题的利器。

OCR（光学字符识别）技术发展到今天已经相当成熟，它能够将图片、PDF等文件中的文字内容转换为可编辑的文本。在Windows平台上，我们有ABBYY FineReader、Adobe Acrobat等知名OCR工具，但在国产操作系统银河麒麟上，情况就有些不同了。经过我的实测，银河麒麟软件商店中可供选择的OCR软件并不多，而且各具特色。

银河麒麟作为国产操作系统的代表，其V10 SP1版本在兼容性和安全性方面都有显著提升。它支持多种国产CPU架构，包括飞腾、龙芯等，这对于需要在信创环境下工作的用户尤为重要。在这样特殊的系统环境下，如何选择和使用OCR软件，就成为了一个值得深入探讨的话题。

2. 银河麒麟软件商店OCR软件横向评测

2.1 可用软件概览

打开银河麒麟的软件商店，搜索"OCR"关键词，会显示出5款相关软件。但经过实际测试，其中The OCR-A只是一种字体而非软件，真正可用的只有4款：

OCRFeeder：GNOME桌面下的开源OCR套件
成者采编王：专业的图像处理和OCR识别软件
截屏OCR：专注于截图文字识别的工具
Online OCR网页版：基于浏览器的在线识别服务

每款软件都有其特点和适用场景，下面我将逐一进行详细评测。

2.2 OCRFeeder：开源但不稳定

OCRFeeder作为开源软件，理论上是个不错的选择。它支持将纸质或图形文档转为电子文档，界面也相对友好。但实际安装后却让人失望——根本无法运行。查看软件评论发现，这不是个例，很多用户都遇到了相同问题。

作为开源项目，OCRFeeder的兼容性可能存在问题，特别是在银河麒麟这样的定制系统中。对于急需OCR功能的用户来说，不建议在这款软件上浪费时间，除非你有能力自行解决兼容性问题。

2.3 成者采编王：功能全面的本地解决方案

在几款软件中，成者采编王表现最为突出。安装过程顺利，启动后界面清晰。测试使用框选OCR功能识别软件介绍图片，结果令人满意：

软件介绍 成者采编王，是专业的图像文档编辑和ocr识别软件 成者采编王（图像编辑PDF/OFD扫描打印及文字识别OCR软件）... （完整识别结果省略）

识别准确率相当高，几乎没有出现乱码或错别字。软件还集成了扫描仪支持、图像处理等实用功能，真正做到了"一个安装包解决图像处理和文字识别的问题"

拆解 Llama 4 Scout：Meta 新一代 MoE 模型到底强在哪

摘要 Meta 于 2025 年 4 月发布的 Llama 4 Scout，是其首次将混合专家（MoE）架构引入 Llama 系列的轻量化先锋模型。作为 Llama 4 家族的入门级 MoE 型号，该模型在参数规模与部署效率间实现了精准平衡：总参数达 109B，但单 token 仅激活 17B 参数，结合原生多模态能力与行业领先的 10M token 上下文窗口，既具备处理复杂任务的潜力，又支持在单张 NVIDIA H100 GPU 上完成高效部署。官方数据显示，Llama 4 Scout 在 MMLU、ChartQA 等主流基准测试中，显著优于 Gemma 3、

记录一下使用llama.cpp过程中遇到的一些问题和解决方法

写在前面：什么未操作即同意的条款？我写的东西免费分享也不是你能随意搬运的理由啊特此声明，若该文章被搬运到除ZEEKLOG（www.ZEEKLOG.net）以外的其他社区如2048 AI社区，则视为该社区同意将所有收益无偿捐赠给我所有此外，我写的所有分享都是免费的，如有VIP文章也是ZEEKLOG干的，请私信我修改成免费起因：使用LMStudio调用AI模型时发现显存占用率一直不超过80%，询问AI解决办法无果后一怒之下换用llama.cpp，遇到了一堆AI解决不了的问题，遂记录 llama.cpp下载地址如下 https://github.com/ggml-org/llama.cpp/releases 以防万一我老年痴呆说一下如何使用llama.cpp调用模型，把下面的代码保存成bat，放在和llama-server.exe同目录下，然后运行这个bat（确保模型位置选对，GPU_LAYERS和THREADS根据机器能力） @echo off setlocal set "MODEL_PATH=F:\Models\Yakyu&

2026实测6款免费/白嫖向学术论文降AIGC专业工具

到了每年的毕业季和期刊截稿期，学术圈最怕的不再是查重率，而是被知网 AI 检测系统或 Turnitin 标上一片刺眼的“疑似 AI 生成”。作为一名常年泡在文献堆里的学术搬砖人，我太懂这种焦虑了。很多时候，明明是自己熬夜敲出来的开题报告，仅仅因为借用翻译工具润色了一下，或者逻辑结构过于严密工整，就被概率算法判定为 AIGC 浓度超标。一旦被打上这个标签，轻则打回重写，重则面临学术不端的指控。必须明确一点：使用“降AIGC”工具，绝不是为了掩盖学术造假，而是利用技术手段打破僵化的机器特征，保护我们真实的科研成果不被机械探针误伤。今天，我从实用性和“零成本/白嫖”的角度，为大家深度实测了6款能够有效打乱机器生成特征、重构学术文本的专业工具（附官方网址），教你如何利用魔法打败魔法。 1. 炼字工坊 —— 跨界降维打击的“底层消痕 IDE” (首推体验) * 官方网址：lianzigongfang.com * 学术实测点评：如果你对工具底层架构有所了解，会知道这其实是一个专为长篇小说和剧本流打造的集成开发环境（

RTX 3060 12G也能跑7B模型？手把手教你用llama.cpp量化部署CodeLlama（含性能对比）

在RTX 3060 12G上流畅运行70亿参数编程助手：一份详尽的量化部署实战指南最近和几位独立开发者朋友聊天，大家普遍有个误解，认为像CodeLlama-7B这样的“大”模型，没有高端专业卡就玩不转。动辄几十GB的显存需求，似乎把消费级显卡彻底挡在了门外。但实际情况真的如此吗？我手头正好有一张“过气”的甜品卡RTX 3060 12GB，抱着试一试的心态，折腾了几天，结果出乎意料地好。通过一系列巧妙的优化技术，这张卡不仅能跑，还能跑得相当流畅，完全能满足个人开发、代码补全和辅助编程的需求。这篇文章，就是想把这段从“不可能”到“丝滑运行”的完整过程记录下来，分享给同样预算有限但渴望体验前沿AI工具的同行们。我们将绕过那些空洞的理论，直接进入实战，从环境搭建、模型处理、参数调优到性能压榨，一步步拆解，让你也能在自己的机器上复现一个高效的本地编程助手。 1. 打破显存壁垒：理解量化与优化的核心逻辑为什么一个70亿参数的模型，在常规的FP16精度下需要近20GB的显存？这不仅仅是权重数据本身的问题。一个模型在推理时，显存占用主要来自三个部分：模型权重、KV-Cache（