长图阅读器

问题：长截图里的文字实在太小

聊天记录、公众号文章、技术文档经常以长截图形式分享。一张图动辄三四屏高，手机上滑动着看没问题，但交给多模态模型直接读取时，文字区域在整张画面中占比极小，识别结果常常满屏错字。让模型"放大再看"也做不到——它拿到的是整张图，没有局部重读的能力。

长图阅读器的思路很直接：先把长图切成多个小片段，再逐片识别，最后按顺序拼接，相当于把"滑动屏幕"这个动作自动化。

核心能力与工作流程

• 切片处理：调用切片脚本，默认每片高度 1080 像素（Full HD），相邻切片保留 100 像素重叠，避免文字行被拦腰切断。图片高度不超过切片高度时跳过切片，直接识别原图。
• 逐片识别：用 Read 工具依次读取每个切片文件，每次只关注一屏内容，文字在画面中的占比大幅提升，识别准确率随之提高。
• 结果拼接：按切片顺序排列各段识别文本，拼成完整内容返回。

脚本以 JSON 输出处理结果，包含 success、slice_count、slices 等字段。切片文件保存在原图目录下的 _slices 子文件夹中，可安全删除。

适用边界与注意点

• 识别效果依赖模型本身的多模态能力，中文场景需确保所用模型支持中文。
• 分辨率过低、字体特殊或背景复杂的图片，切片并不能凭空变出信息，识别仍可能出错。
• 图片路径支持中文和特殊字符（Unicode 路径），传递时用双引号包裹即可。
• 临时切片建议在处理后清理，避免占用磁盘。