北京
AI图像模型能画出漂亮的菜单，但软件团队真正需要的只有一件事：文字必须准确。靠肉眼检查能发现明显的胡言乱语，可这种方式不稳定、难以复现，还很难捕捉漏掉的价格或单个字符被替换的问题。
把带文字的图像生成当成一条可测试的流水线来处理。先定义期望出现的字符串，再渲染图像，对刻意裁剪的区域运行OCR，只归一化已知的格式差异，任何意外的遗漏或新增都直接判失败。文字排版属于视觉输出的一部分，但验收标准仍然要机器可读。
提示词和断言共用同一份数据源
不要把菜单文案分别敲进提示词和测试里。存一份结构化规格，让两边都从它派生。比如：
- 标题：MORNING MENU
- 条目：OAT LATTE $4.50、CITRUS TOAST $8.00、MISO EGGS $11.00
- 页脚：ORDER AT THE COUNTER
这样能消除一种隐蔽的假失败：提示词说一套，测试夹具却期望另一套。有意的文案改动也会在代码审查中直接暴露出来。
为可读性生成，而不是堆装饰
把准确文案写进一个边界清晰的区块里。指令要具体：正面菜单板、高对比度、单一字体族、文字不被装饰性字母穿过、只输出准确文本、不要额外价格。如果打算独立裁剪每个区域，就要求每个区域周围留出空白边距。永远别把模型画字母的能力当成保证，生成的图像在验证器通过之前都是不可信产物。
先裁剪再跑OCR
整图OCR经常把背景标记、装饰文字和菜单栏混进错误的阅读顺序。为标题、条目块和页脚定义归一化的裁剪框，用比例存储，这样测试在分辨率变化时也能存活。
把失败的裁剪图存成CI产物，开发人员应该能看出是生成器、裁剪、预处理还是OCR引擎导致了不匹配。分开裁剪让失败变得局部化：价格不匹配不会消失在一张视觉上很吸引人的海报里。
只做窄范围归一化
当大小写和换行不是需求时，转大写和压缩空白可以接受。任意替换字符不行。如果悄悄把每个0映射成O，测试就可能批准一个错误的价格。
归一化只处理已知的格式差异，任何意外的字符变化都必须触发失败。这样OCR结果才能和期望字符串逐项对齐，漏掉一个价格或多出一个字符都会被精确捕获。
把验收标准变成机器可读的合同
文字布局是视觉输出的一部分，但验收合同仍然要机器可读。提示词和断言共享同一份结构化规格，生成时追求可读性而非装饰，裁剪后再跑OCR，归一化只覆盖已知差异。每一步都在缩小不可信产物的范围，直到验证器给出明确通过或失败。
菜单上的每个字都来自同一份数据源，每次生成都经过同一套断言。视觉上再好看的菜单，只要OCR结果和期望字符串有任何意外出入，测试就会失败。这才是软件团队能依赖的验收方式。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
