检查记录表格识别整理

要解决什么问题

现场质量巡检、设备点检、体系内审往往仍落在纸质表或拍照存档上。多张照片、手写涂改、拍照畸变混在一起时，人工抄录既慢又容易把看不清的格子当成确定数值。若你已有 Excel/CSV，本技能不必介入；若输入是图片，目标是把「认字」做成可合并、可统计、可写结论的闭环，而不是单独 OCR。

技能如何工作

流程固定为六步，且不得跳过识别复核：

1. 收图：确认表类型（巡检 / 点检 / 审核）与分析范围。
2. 识别：按 references/table-schemas.md 将每张图结构化为记录，字段标注置信度（高 / 中 / 低）。
3. 强制复核：对低置信或关键缺失字段列出疑点，禁止擅自猜测补全；规则见 recognition-review.md。
4. 合并清洗：多表合并、统一单位与日期、标记重复与异常值（如合格率 >100%）。
5. 分析产出：经确认的数据写入 JSON，由 digest.py 生成 report.md 与 records.csv（UTF-8 BOM，便于 Excel）。
6. 呈现：转述合格率、异常归类、趋势与 TOP 问题等要点。

分析维度包括：按项目/产线/设备/条款的合格率或符合率、不良与不符合归类、按日期的趋势、高频问题排行。识别由 Agent 视觉完成，脚本只处理已结构化且经用户确认的数据。

边界与注意

• 适用：质量巡检、设备点检/保养、体系审核三类通用 schema；输入可为拍照、扫描、截图、PDF 页图，支持多张一次处理。
• 不适用：已有结构化文件请用其他分析技能；整图无法辨认时应要求补拍，绝不编造；对接实时库或业务系统超出范围。
• 未说明表类型时，应在合并前与用户确认归类；识别结果以用户复核为准。