【2026 最新】OCR It 離線教學：6 步把 PDF 變成可核對的 Claude Context

OCR It 離線教學真正要解決的，不是「怎麼從畫面抄出一段字」，而是：當 PDF 沒有可選取的文字層、網站 Viewer 鎖住複製，甚至只有一張粗糙掃描圖時，怎麼把畫面變成 Claude 能讀、你又能追回原頁核對的 Context？

風險恰好藏在最順利的時候。OCR 可能把 8.5%讀成3.5%、把雙欄段落交錯，卻仍輸出一篇語氣流暢的文字；Claude 再整理一次，錯誤就更像真的。這篇會用 OCR It 0.3.0 建立一條可重跑流程：固定版本、斷網驗證、做十頁驗收包、保留頁碼與原圖抽查，最後只把合格文字交給 Claude。你不需要寫程式，但要接受一個原則：OCR 輸出是待驗證的逐字稿，不是原文。

先說結論：可信 Claude Context 要多帶兩張「收據」

• 固定工具版本：本文鎖定官方 v0.3.0 Release 與 Commit 3ecae307eef83890ec603b1cfd2a770721c16411，不把持續前進的 main 當成同一套程式。
• 先證明本機 OCR：0.3.0 的辨識 Worker、核心與英／葡／西語模型都在擴充套件內；但「離線」仍要在你自己的瀏覽器中斷網重跑，不能只信說明頁。
• 信心分數只是警報器：官方 0.3.0 的 24 張合成測試沒有雙欄樣本；其中一張模糊樣本把 carriage讀成carnage時，confidence 仍有 91%。本文不把任何單一 confidence 分數線當成原圖抽查的替代品。
• 頁碼不是 PDF 頁碼：OCR It 匯出的 page N是擷取順序。你要另外記錄 Viewer 顯示頁、裁切區域與驗收狀態，刪頁或漏頁後才不會對錯證據。
• 高風險欄位逐字比：金額、百分比、日期、專名、否定詞與直接引文只要有一處無法從原圖確認，整段就退回人工處理，不讓 Claude 猜。

可信 Context ＝ OCR 文字 ＋ 頁碼／區域定位 ＋ 原圖抽查。

OCR It 是什麼？它讀的是畫面，不是 PDF 文字層

OCR It 是一個開源瀏覽器擴充套件。你先在目前可見的頁面畫出固定矩形，它會擷取整個可見 Viewport，再裁出矩形送給擴充套件內的 Tesseract.js 辨識。這代表它能處理「肉眼看得到、游標卻選不到」的內容，也代表它不會讀取畫面外的頁面、PDF 隱藏文字層或整份文件結構。

截至 2026 年 8 月 30 日，官方 GitHub Repository有 296 Stars；引發討論的 Hacker News 貼文有 139 Points、35 則留言（總留言數）。這些數字只說明需求存在，不等於品質背書。真正相關的證據是 0.3.0 原始碼：OCR Worker、WASM 核心與語言資料都用擴充套件本機 URL 載入，執行路徑沒有外部 OCR 端點。

若你正在建立更完整的知識工作流，可以先用 RAG 是什麼理解「把資料交給模型」和「模型本來就知道」的差別；本文處理的是更前面一層：如何先把不可複製畫面變成有來源定位的文字。

第 0 步：先確認你有權擷取這份文件

離線處理不會自動取得內容授權。自己的掃描檔、公司允許處理的內部文件、已獲授權的研究資料，通常是合理起點；若網站條款禁止批次擷取、文件含客戶個資，或 Viewer 只授權線上閱覽，就先停止，向內容擁有者或組織管理員確認。不要用自動翻頁繞過存取控制，也不要把「技術上截得到」誤當成「可以複製、重製或上傳」。

同樣地，本機 OCR 只縮小文字送往外部服務的範圍；當你把結果貼進 Claude，資料便進入另一個處理環境。先刪除不需要的姓名、帳號、地址與識別碼，只送完成任務所需的最小片段。若團隊需要更完整的權限、引用與資料生命週期設計，可接著看 企業 AI 知識庫怎麼規劃。

第 1 步：下載固定版本，用 Unpacked Extension 安裝

Chrome Web Store 安裝最方便，但版本可能自動更新。這次為了讓結果可重跑，使用官方 v0.3.0 Release中的 ocr-it-chrome-0.3.0.zip。下載後先算 SHA-256；本文核對到的官方壓縮檔值是：

42ec8899cb532021a83e729b155cd3061dfc653830ec957879b223f2c37d9aa3

依系統在下載資料夾選一行執行：

# macOS
shasum -a 256 ocr-it-chrome-0.3.0.zip

# Linux
sha256sum ocr-it-chrome-0.3.0.zip

1. 比對完整 64 字元；不同就刪除檔案，回官方 Release 重新下載。
2. 解壓縮 ZIP。Chrome 不能直接載入壓縮檔。
3. 打開 chrome://extensions，啟用右上角 Developer mode。
4. 按 Load unpacked，選取解壓後、內含 manifest.json的資料夾。
5. 進入 Details，確認版本顯示 0.3.0。若要讀本機 PDF，再單獨開啟 Allow access to file URLs。

0.3.0 的 Manifest 不會在安裝時取得所有網站權限；單次手動擷取可用目前分頁的暫時授權。只有要讓 Auto-run 跨頁面重新載入後繼續執行，或要操作跨來源 Frame 時，才可能要求目前網站或所有網站的持續權限。先只給目前網站，需要時再加，不要為了省一次點擊直接永久開放所有網站。

第 2 步：斷網驗證，不把「No Cloud」當口號

先安裝擴充套件並準備不含私密資料的本機 Fixture，關閉整個測試 Profile；接著暫停 Wi-Fi、拔除網路線，或用防火牆阻擋 Chrome，冷啟動 Profile 後才第一次打開 Popup、畫區域與擷取。這個順序很重要：Popup 會送出 Warmup，若先操作再斷網，只能證明已暖機的 Worker 能續跑。若要稽核「有沒有嘗試連線」，只看網頁或 Service worker 的 Network 面板還不夠，因為 OCR 另在 Offscreen document 執行；應從乾淨 Profile 啟動 Chrome 的 Browser-wide NetLog，比較未安裝／閒置基線與冷啟動首次 OCR，再同時查看 Service worker、Offscreen document。NetLog 可能含敏感網址與封包資訊，只在本機保存。

AlphaLab 另外以 Chrome 151.0.7922.175與官方 0.3.0 Tag 的真實 E2E Fixture 重跑，將所有非本機 HTTP／HTTPS 指向不可用 Proxy，只保留 127.0.0.1測試頁。OCR、重複頁偵測、三種翻頁路徑與本機儲存檢查均通過；範例讀出 122 個字元、Tesseract confidence 為 93%。這個結果只證明該固定 Fixture 在該環境不依賴成功的非本機 HTTP／HTTPS 請求，不證明從未嘗試連線、每份掃描都準，也不涵蓋 Chrome 自身服務、網站先前載入或未來版本。

固定版程式碼顯示：成功辨識後會刪除完整裁切圖，文字、頁面資料與最寬 280px 的 JPEG 縮圖留在 chrome.storage.local；失敗工作則會保留裁切圖供重試。0.3.0 的儲存路徑把頁面與區域值直接寫入 chrome.storage.local，目前框選區還會記住來源 Origin；這與官方 Privacy 說明中「儲存資料不能識別網站」的描述不完全一致。Clear 會刪除擷取頁與工作影像，但不會清掉已存的區域／Origin 與設定；敏感工作應使用獨立 Profile，結束後再移除擴充套件或整個拋棄式 Profile，並撤銷網站權限。

第 3 步：先做十頁驗收包，再碰真正文件

不要拿一頁乾淨英文就宣布成功。從你有權使用的資料製作十頁測試包，每頁只改一個難度，並事先保留人工校對的 Ground Truth：

1. 清晰的單欄 Serif 正文。
2. 清晰的 Sans-serif，含日期、金額與百分比。
3. 低對比灰字。
4. 輕微模糊、壓縮雜訊或紙張陰影。
5. 傾斜或旋轉文字，驗證系統會不會安全失敗。
6. 雙欄文章，檢查閱讀順序。
7. 表格，特別放入小數點、負號與括號。
8. 跨頁句子與腳註。
9. 粗糙掃描或照片，含彎曲邊緣。
10. 手寫或目前未隨 0.3.0 打包的語言，作為預期拒絕案例。

目前 0.3.0 內建英文、葡萄牙文與西班牙文，沒有自動語言偵測，也沒有內建繁體中文模型。新增語言需要重新 Vendor 模型並修改原始碼，不是設定頁按一下即可完成。因此，若你的主要文件是繁中，這版不應被當成即裝即用方案；可把它留給英文附錄，中文頁則人工處理或選擇明確支援中文、可保留來源圖的 OCR 工具。

每頁都記錄：測試類型、預期文字、OCR 原始文字、confidence、錯誤字數、數字／專名是否全對、段落順序、通過／人工修正／拒絕。若要量化，可計算 Character Error Rate（刪除＋插入＋替換字元數 ÷ Ground Truth 字元數）；但決策仍要讓高風險欄位優先。99% 字元正確，若唯一錯字是金額，也應拒絕。

第 4 步：固定 Viewport，逐頁建立擷取順序

1. 把 Chrome 縮放、視窗大小與 Viewer 顯示模式調好後就不要再改。
2. 讓同一個矩形只包住正文；按 Alt+Shift+R重畫區域，再以 Alt+Shift+S擷取。快捷鍵衝突時到 chrome://extensions/shortcuts確認。
3. 每擷取一頁，立刻在外部驗收紀錄寫下「OCR capture N → Viewer page X → 區域描述」。
4. Chrome 內建 PDF Viewer 不支援 OCR It 自動翻頁；按 PageDown／方向鍵人工換頁，等畫面穩定再擷取。
5. 若是網頁 Reader 且已通過十頁測試，才考慮選取 Next 控制並啟用 Auto-run；前五頁仍要盯著，避免固定座標因 Reflow 漂移。

Auto-run 在下一次截圖前會等 OCR 完成，因此能用辨識後文字做重複偵測；但它比對的是正規化後文字完全相同，不是影像相似度。少量 OCR 雜訊可能讓結尾不停止，合法重複段落也可能提早觸發。設定頁的 Page cap 是保險絲，不是頁數正確性的證明。

第 5 步：用三道品質閘門決定通過、修正或拒絕

OCR It 官方 Benchmark只有 24 張合成英文樣本、單一字體與書本文字，不含真實掃描、表格、照片或手寫；它最有價值的結論不是某個百分比，而是 confidence 可能和真實錯誤脫鉤。請把判分拆成三關：

第一關：畫面完整性

確認沒有截掉行首、行尾、頁首否定詞或表格欄位；縮圖順序無漏頁、無重複；雙欄沒有左右交錯。這一關失敗就重新擷取，不要先改文字。

第二關：高風險字元

逐一比對金額、百分比、日期、版本、計量單位、人名、公司名、URL、正負號、否定詞與引文。任何一項看不清楚就標記「需看原圖」；這些欄位不適合用平均 confidence 放行。

第三關：抽樣與拒絕條件

乾淨頁至少抽查開頭、中間、結尾各一段；低對比、表格、雙欄與粗掃描則整頁核對。若出現欄序錯亂、無法辨識的旋轉、縮圖不足以還原細節、頁碼映射不確定，或任一高風險欄位無法確認，直接拒絕該頁，回原始 Viewer 重截或人工抄錄。不要制定一條「confidence ≥ 90 就自動通過」的假規則。

OCR It 的 Download .txt 只輸出依序排列的文字與 --- page N ---分隔線，不會帶 confidence、時間、重複旗標、來源 Origin、區域或縮圖。請把外部驗收紀錄與必要的原始頁面截圖另外保存；已成功辨識的完整裁切圖通常已被刪除，內建 Viewer 只剩低解析縮圖，不能事後補當精密稽核證據。

第 6 步：只把合格頁送進 Claude，要求它回報頁碼

先把已通過的頁面貼成小批次，每段保留 OCR It 分隔線；若你刪過頁面，改用自己外部紀錄中的穩定 ID，例如 [DOC-A / viewer p.17 / capture 06]。接著把這段指令放在最前面：

以下是 OCR transcript，不是已驗證原文。
只依 transcript 回答，不用常識補寫缺漏。
每個可核對主張後標示 [OCR page N]。
數字、專名、否定詞與直接引文若跨頁、衝突或不清楚，
請列入「需看原圖」，不要自行修正。
找不到答案就明說找不到。
最後列出你實際使用過的頁碼，供我逐頁抽查。

Claude 回答後，挑三種內容回查原圖：結論依據、所有數字、看起來最流暢卻最難確認的一句。這和 Claude 引用稽核教學的核心相同：引用存在不等於引用支持主張；你要沿著頁碼回到原始證據。

如果你使用 Anthropic API 的 Citations 功能，可把每頁做成獨立 Custom content block，讓回傳 Citation 指向區塊索引；純文字文件則是字元範圍。Anthropic 官方文件也明確指出，沒有可抽取文字的掃描 PDF 不能直接產生 PDF Page Citation，影像 Citation 目前不受支援。因此「先 OCR、再按頁分塊、仍回原圖驗收」不是多此一舉。一般 Claude 對話介面中，本文的[OCR page N]只是你要求模型遵守的標記，不要把它誤認為 API 強制建立的 Citation。

人工抄錄、OCR It、Tesseract CLI 與 VLM 怎麼選？

• 只有幾個高風險欄位：直接人工抄錄，再由第二人逐字比對，通常比建立 OCR 流程更省。
• 同一 Viewer 有大量固定版面英文頁：OCR It 最方便，前提是 Viewport 不漂移、十頁驗收包通過，且你保留外部頁碼映射。
• 需要批次檔案、語言包、旋轉偵測或字詞座標：使用可設定的 Tesseract CLI／其他文件 OCR 管線；OCR It 0.3.0 的辨識結果只保留純文字與一個整體 confidence 數值，未提供旋轉偵測或字詞座標。
• 複雜表格、圖文混排或極差掃描：可讓具視覺能力的模型當第二讀者，但只處理你有權送出的頁面，並以原圖為最終依據。VLM 文字更像人話，不代表數字更可靠。

若你真正需要的是長文件檢索，而不是一次摘要，先做完本文的來源清理，再把通過頁送進索引；可搭配 Claude 節省 Token 教學，避免每輪對話重貼整份逐字稿。要比較一般 Claude、Claude Code 與協作介面的責任邊界，則可讀 Claude、Claude Code、Cowork 差別。

常見失敗：不是 OCR 錯，而是證據鏈先斷了

• 換頁後改了縮放：固定座標仍在原位置，文字卻移走；重畫區域並重做該批。
• 把 capture N 當 PDF page N：漏擷取、刪頁或封面不計頁都會錯位；外部紀錄必須同時保存兩者。
• 高 confidence 就不看原圖：版面順序錯時分數仍可能很高；先驗欄序與高風險字元。
• 成功後才想看完整裁切：0.3.0 成功辨識後通常只留小縮圖；需要稽核的頁要在原 Viewer 另存授權範圍內的證據圖。
• 用繁中頁測英文模型：當作預期拒絕案例，不要靠人工猜字把它「修到像對」。
• 整份逐字稿一次丟給 Claude：頁碼與錯誤會被淹沒；按頁或小批次送入，逐批抽查。

OCR It 離線教學 FAQ

OCR It 真的完全離線嗎？

0.3.0 的 OCR 執行路徑可在本機完成，但不要把它擴張成整個瀏覽器永遠零連線。固定版原始碼使用隨附 Worker、核心與語言資料；商店下載、網站本身、Chrome 服務與未來版本是不同邊界。請用自己的斷網 Fixture 驗證。

OCR It 0.3.0 能自動讀完整 PDF 嗎？

在 Chrome 內建 PDF Viewer 中不能。0.3.0 只 OCR 目前可見的固定區域，內建 Viewer 需要人工換頁；若是有可操作 Next 控制的普通網頁 Viewer，通過測試後可能使用 Auto-run，但仍不是直接讀完整 PDF 檔案。

它支援繁體中文嗎？

官方 0.3.0 成品沒有內建繁中模型。內含英文、葡萄牙文、西班牙文；新增語言需把模型 Vendor 進 Source tree、把語碼加入 LANGUAGES，再於 chrome://extensions重新載入這份 Unpacked Extension。

Confidence 多少才算及格？

本文不設跨文件的通用門檻。先用自己的十頁測試包建立基線，再讓數字、專名、引文與段落順序採零容忍；confidence 只用來排序複核優先級。

人工修字後，Confidence 會更新嗎？

不會。畫面保留的是原始 OCR 分數；人工修改要在外部驗收紀錄標明，不要把舊分數當成修正後品質。

Download .txt 會包含原圖與區域嗎？

不會。它只輸出文字與 --- page N ---分隔線；confidence、縮圖、來源與區域都要另存。

Claude 能自動修正 OCR 錯字嗎？

它可能猜對，也可能把錯誤合理化。要求它標頁碼、列出不確定處，並用原圖驗證；不要把語句通順當成修正成功。

什麼情況應直接放棄 OCR It？

主要內容是繁中、手寫、旋轉照片、複雜表格，或你無法保存頁碼映射時。此時改用合適的文件 OCR 管線或人工雙人校對，比硬把結果送進 Claude 安全。

新手只要記住這 5 件事

1. 下載固定 Release、核對 SHA-256，再用 Unpacked Extension 安裝。
2. 冷啟動後硬阻擋網路並重跑固定 Fixture，確認該版本、該流程仍能 OCR。
3. 先做十頁驗收包；confidence 不等於正確率。
4. 外部保存 capture N、Viewer 頁碼、區域與驗收狀態。
5. Claude 每個主張都標頁碼，數字與引文最後回原圖抽查。