管线全景

`` 用户拍照上传 │ ├─ IntentAgent 判断"设备建档"意图 │ ├─ [Stage 1] Qwen-VL 视觉模型 → 忠实提取键值对 → RawField[] │ 模型：Qwen/Qwen3-VL-32B-Instruct │ Prompt：工业铭牌 OCR 专用，要求输出标准 JSON │ 性能：130s（思维链全开）→ 3-8s（enable_thinking=false） │ ├─ [Stage 2] FIELD_MAP 纯代码查表 → 分类为 A/C 类 │ 60 条映射规则，精确匹配→模糊匹配→未命中进 technicalSpecs │ 耗时：<0.5ms，零网络 IO │ └─ [Stage 3] prepare_equipment_form → DynamicForm UI Card A 类（铭牌绿色）+ B 类（AI 推断黄色）+ C 类（技术参数 JSONB） ``

核心设计决策

| 决策 | 理由 | |---|---| | 两阶段分离 | Stage 1 不涉台账 Schema，Stage 2 不依赖 LLM | | 静态 FIELD_MAP（60 条） | 新增字段追加入口，不改 Prompt | | OpenAI 原生客户端 | Vercel AI SDK 的 enable_thinking 参数未正确转发 | | 有效性检查 | 无效图片不展空表单，走 LLM 降级路径 | | 多源冲突处理 | 铭牌+合同+发票并行提取，取高置信度值 |

与本系列的关系

铭牌 OCR 是 AI Pipeline（03）的特殊快速通道——当意图明确且输入确定时，绕过 LLM Tool Calling，直接走两阶段管线。它也是 DynamicForm（06）的最大数据源——A 类字段的置信度直接来自视觉模型的提取质量。

详细内容

完整的 Prompt 工程、JSON 容错解析、Qwen3-VL 思维链陷阱修复过程、DynamicForm 构造细节，请参阅：

基于Qwen-VL的OCR铭牌自动建设备台账的实现方案.md

下一篇：pgvector 语义检索 + RAG——故障知识库的自动积累与向量检索。