把 OvisOCR2 用在表单、合同这类业务上之前，要先回答的问题是：混排页面的输出差异到底有多大；识别得准不准并非首要问题。同一页上，印刷正文与手写批注在解析结果里是分成不同块，还是被合并成一段文本；手写内容有没有被直接丢字；有没有一部分手写被拼进了本该属于印刷正文的字段。差异范围不清，后面的字段清洗、人工复核规则就没法设计，上线只能是碰运气。
手写与印刷混排的主要风险是两类：手写被吞掉，以及手写串入印刷字段。建议先用「无手写、少量批注、大面积手写」三档样张跑出对照，逐块标出输出中手写与印刷的归属，再按业务字段决定自动采用还是人工确认。样张没覆盖的版式（手写压线、页边批注、覆盖印刷字）不要默认安全，需要结合具体模板和扫描质量单独确认。
准备手写占比不同的样张
样张要有梯度，才有比较基准。全都拿手写很多的页面去试，看不出「从哪一档开始出问题」；全都拿干净页面去试，又会高估稳定性。建议按模板各取一批，覆盖同一类表单的不同版式：
| 档位 | 页面特征 | 建议张数 | 需要记录的内容 |
|---|---|---|---|
| 无手写 | 纯印刷的表格与条款正文 | 每模板 3-5 张 | 基准输出，用作对照底稿 |
| 少量批注 | 个别字段手写填写、勾选、单处签名 | 每模板 5-8 张 | 手写位置、相邻的印刷字段名 |
| 大面积手写 | 半页以上手写意见、划改、盖在正文上的签章 | 每模板 3-5 张 | 手写覆盖范围、与印刷文字的叠压关系 |
手写位置建议用归一化坐标登记，跨分辨率、跨扫描批次的样张才能放在一起比对：
{
"sample_id": "contract_a_p2",
"tier": "none | sparse | dense",
"template": "contract_v3",
"scan_dpi": 300,
"handwriting_regions": [
{
"page": 2,
"bbox_norm": [0.62, 0.18, 0.94, 0.26],
"kind": "annotation",
"overlaps_print": false
}
]
}overlaps_print 这一项是给后面判断串行风险用的：标记为 true 的区域，输出里出现混同的概率通常更高，需要单独盯。
分别看手写内容与印刷正文的落点
这一节只做一件事：确认两类内容有没有被分开。做法是把模型每次返回的文本按块拆开，逐块与样张上手写区域的坐标做位置对照，每块归到三类之一——印刷正文、手写批注、混同。归不到前两类的块，就是要继续排查的位置。
# 归属比对骨架，仅示意结构，坐标与字段名按实际返回调整
for block in ocr_blocks:
tag = "unknown"
if inside(block.bbox, handwriting_regions):
tag = "handwriting"
elif disjoint(block.bbox, handwriting_regions):
tag = "print"
elif overlaps(block.bbox, handwriting_regions):
tag = "mixed" # 串行基本都在这一类里
log(block.id, tag, block.text, block.bbox)跑完后看两件事：mixed 块的绝对数量，以及 mixed 块里的具体形态——是整段合并（印刷正文和批注连成一句），还是字段内拼接（某个印刷字段的值后面跟了手写内容）。前者影响后续分词和段落判断，后者直接影响字段取值，两者处理方式不同。纯手写区域如果完全没出现对应块，就是丢字，同样要记进差异清单。
记录手写串行的典型形态
不需要把所有版式都试一遍，但要把最容易出错的几类抓出来。下面三张情况建议各找几张样张实际跑，逐张记录输出表现；下表列的是常见观察点，不是结论，实际结果受模板排版、扫描清晰度和笔迹影响，需结合环境确认。
| 情况 | 常见输出表现（逐张确认） | 重点看什么 |
|---|---|---|
| 手写压线 | 常被拆到相邻两行的字段里，或整段归到上一行或下一行 | 行归属是否稳定，有没有半行文字消失 |
| 写在页边 | 可能整段丢字，也可能被追加到页面开头或末尾成为独立段落 | 输出里能否搜到该段文字，落点在不在原位 |
| 覆盖印刷字 | 印刷字与手写笔画混合识别，出现错字，或同一字段出现两条值 | 同名字段是否重复，异常字符是否属于原印刷内容 |
记录时最好把原始输出块和样张截图放在同一条记录里，后面做字段策略时能直接回溯。三张情况里，只要有一种在样张上稳定出问题，就不能按「解析结果可以直接入库」来设计流程。
按业务字段定使用范围
结论不要落在「OCR 能不能用」这种层面，而要落成字段级的使用边界：哪些字段可以直接采用解析值，哪些必须人工确认，依据是上一步的块归属标签和串行记录。
| 字段类别 | 建议使用方式 | 判断依据 |
|---|---|---|
| 印刷正文中的条款、编号、模板固定项 | 可直接采用解析值 | 样张中该块稳定归为印刷正文，没有 mixed 块覆盖该区域 |
| 印刷字段旁的少量手写填写值（金额、日期、数量） | 采用但做字段级校验，校验不通过转人工 | 该字段出现过 mixed 块或同字段双值 |
| 整段手写批注、意见、划改说明 | 只作为文本存档，不写入结构化字段 | 样张中出现过丢字或跨行错位 |
| 签名、盖章区域 | 不做文字取值，只判断区域是否存在 | 手写覆盖印刷字时识别结果不可靠 |
把上面的判断写成可执行的字段策略，比写在文档里更有用，也方便回归时直接比对：
field_policy:
contract_no: {mode: auto, require_tag: print, on_mixed: reject}
amount: {mode: auto_with_check, check: [numeric, range], on_mixed: manual}
sign_date: {mode: auto_with_check, check: [date_format], on_mixed: manual}
handwritten_note: {mode: archive_only, target: attachment_text}
signature_area: {mode: region_only}上线前的准入判断也基于这份策略：拿新样张重跑，看落到 manual 的字段是否都在预期范围内、reject 是否只发生在混同块上。样张没覆盖到的模板和版式，建议先按人工确认处理，等积累到对应的样张再放开。