批量 TIFF 数字化：清单表驱动的可追溯 OCR
路由 `batch-tiff-ocr`（tiff_to_text.batch）面向「一次处理很多 TIFF」的协作：档案数字化项目、实验室按日期归档的成像栈、或按课题组分文件夹的期刊插图。批量最怕的是文件名与页码对不上、同一页被重复识别、以及不同子目录默认语言混用。建议先建一张清单表：原路径、导出页码、主语言、负责人、是否含手写批注。抽检应覆盖「含数字/法规/结论句」的页，而不是随机抽美观页面。把机器结果按「源标识 + 页码」写回表内，再合并进知识库或稿件，可显著降低返工。
批量 TIFF 转文字协作建议
- 进入 `batch-tiff-ocr` 后按课题或日期分批上传；每批开始前在表头固定「命名规则 + 页码字段 + 默认识别语言」。
- 每处理完一批，对照清单检查是否有空页、重复页或语言切换未记录；必要时拆子批重跑。
- 合并文本前做一次全文检索（如金额、SKU、法规编号） spot-check，再写入共享文档并锁定版本。
批量场景 TIFF 转文字问答
在 `batch-tiff-ocr` 场景里批量跑 TIFF OCR 时，最先统一哪些字段，才能避免结果和源文件对不上？
统一「源路径或哈希、页码、主语言、处理人、是否终稿」五列；禁止只用无页码的纯文本块归档。
抽检比例怎么定才合理？
对含金额、法规、结论句的页 100% 复核；纯目录或封面可抽样，但要在表内写明规则。
不同子目录默认语言不同，如何避免混语言模型？
按目录分批处理并在清单写死语言代码；禁止「一键全库」不标注语言。
合并文本时发现重复页，通常是什么原因？
多为拆分 TIFF 时页码偏移或同名文件覆盖；应用哈希校验源文件。
外包团队交回 OCR，如何验收？
对照清单抽测高风险页，并要求交付 CSV 含源路径与页码字段。