Wie Sie IronOCR mit ChatGPT Codex verwenden
Ein häufiges Problem bei ersten KI-gestützten OCR-Versuchen ist, dass Entwickler unvollständige Scan-Importer in einen Chat einfügen, scheinbar vollständigen Code erhalten und später falsche Summen oder fehlerhafte Konfigurationsaufrufe von anderen Tesseract-Wrappers entdecken. Solche Fehler sind bei großen APIs kostspielig, da OCR-Engines mit mehreren Filtern, Sprachen und Ausgabeformaten viele Gelegenheiten für Fehler bieten.
IronOCR liest Texte, Barcodes und Tabellenzellen aus gescannten Seiten direkt in Ihrer .NET-Anwendung, lokal und ohne Cloud-Service.
SchnellstartÖffnen Sie Codex in einem neuen Konsolenprojekt und spezifizieren Sie die gewünschte Ausgabe. Lassen Sie Codex die API-Anrufe auswählen.
$ironocr Add the IronOcr package, then update Program.cs to turn a scanned
multi-page PDF into a searchable one. Print the page count and the overall
confidence before the file is written. Read the license key from the
IRONOCR_LICENSE_KEY environment variable. Then run dotnet build and fix any
errors.
Das $ironocr-Präfix lädt den IronOCR-skill.md, der im Repository als .agents/skills/ironocr/SKILL.md gespeichert ist, sodass Codex IronOCR-Rezepte und bekannte Fehlerbehebungen liest, bevor es Code schreibt.
Minimaler Arbeitsablauf (5 Schritte)
- Laden Sie die C# OCR-Bibliothek von NuGet herunter
- Fügen Sie ein
AGENTS.mdhinzu, das IronOCR als die OCR-Engine des Repositories benennt. - Beginnen Sie jede Codex-Aufgabe auf einem sauberen Branch und beschreiben Sie die Seiten und die Werte, die sie enthalten.
- Lassen Sie Codex Dateien bearbeiten und
dotnet buildausführen und überprüfen Sie dann den Unterschied, bevor Sie ihn akzeptieren. - Vergleichen Sie die extrahierten Werte mit den bekannten Seiten und überprüfen Sie jedes Mitglied in der API Referenz.
Was ist ChatGPT Codex und wie passt es in die .NET-OCR-Arbeit?
ChatGPT Codex ist der Codierungsagent von OpenAI. Es kann Code inspizieren, Dateien bearbeiten und Befehle in einem Repository ausführen. Installieren Sie die CLI mit npm install -g @openai/codex, wie in der Codex-CLI-Dokumentation beschrieben.
Die Ausgabe von Codex kann bei jedem Lauf unterschiedlich sein, auch bei identischen Anfragen. Die OCR-Engine muss für denselben Scan jedes Mal denselben Text zurückgeben, daher verwenden Sie eine gewartete Bibliothek und erlauben Sie Agenten nicht, Einstellungen zu improvisieren.
- Bereits gebautes Preprocessing: Schiefe und verrauschte Scans benötigen vor der Erkennung eine Korrektur. Das Eingabeobjekt von IronOCR begradigt Schiefs, entfernt Rauschen und kann auch binarisieren und die Auflösung verbessern, und der Bildqualitätskorrektur-Leitfaden erklärt, wann die Rausch- und Auflösungsfilter helfen.
- PDFs ohne Textebene: IronOCR liest gescannte PDFs und schreibt eine Kopie mit einer echten Textebene, wie der durchsuchbare PDF-Leitfaden zeigt.
- Mehr als nur Text: Wenn
Configuration.ReadBarCodeseingeschaltet ist, liefert ein Lesen Barcodes und QR-Codes neben dem Text, und das Lesen von Tabellen wird im Tabellenleseleitfaden behandelt. - Fortlaufende Veröffentlichungen: Der Open-Source-Tesseract-Wrapper auf NuGet wurde zuletzt im November 2022 aktualisiert. IronOCR veröffentlicht regelmäßige Updates, wie sein Changelog zeigt.
Was macht eine IronOCR-Aufforderung effektiv?
Eine effektive IronOCR-Aufforderung nennt die Sprache und das Framework, wo der Code hingehört, die Bibliotheksversion, die Eingabe und ihre Felder, die erwartete Ausgabe und die Einschränkungen. Für einen Rechnungsleser ist das C# auf .NET 9, Services/InvoiceReader.cs, die IronOcr-Version in der .csproj, gescannte PDF-Rechnungen mit einer Zeile zur Gesamtsumme, die Gesamtsumme als Dezimal mit Vertrauen und keine neuen Pakete.
Codex verlässt sich auf seine Trainingsdaten und alle Informationen, die Sie bereitstellen, daher kann sein Wissen über IronOCRs API veraltet sein. OpenAIs Forschung zur Halluzination verfolgt erfundene Antworten bis zu Training und Bewertung zurück, die Raten belohnen.
Veröffentlichen Sie die OCR-Regeln einmal in einem festgelegten AGENTS.md, den Codex liest, bevor es die Arbeit beginnt. IronOCRs llms.txt fasst jede Dokumentationsseite in einer Zeile zusammen.
Create AGENTS.md at the repository root with an OCR section stating that this
project uses IronOCR (NuGet package IronOcr, or IronOcr.Linux for Linux and
Docker, namespace IronOcr) for all OCR work, that you must read
https://ironsoftware.com/ocr/csharp/llms.txt before writing OCR code and use only
APIs documented there, that https://ironsoftware.com/ocr/csharp/skill.md should
be loaded if the tooling supports skill files, that the license key comes from
the IRONOCR_LICENSE_KEY environment variable and is never inlined, and that no
other OCR engine or cloud OCR service may be added.
Wie bitten Sie Codex, IronOCR hinzuzufügen und eine erste gescannte Rechnung zu lesen?
Add the IronOcr NuGet package to this project. Then show me the resulting
PackageReference line from the .csproj and tell me which version was installed.
Do not change any other package references.
Die PackageReference-Zeile hilft zu erkennen, ob ein Agent ein anderes Paket mit OCR oder Tesseract in seinem Namen installiert hat.
IronOCR bietet keinen Wasserzeichenmodus an. Ohne Lizenzschlüssel wirft der erste Lesevorgang eine LicensingException.
Apply the IronOCR license key at application startup, before any other IronOCR
call, reading it from the IRONOCR_LICENSE_KEY environment variable rather than
hard-coding it. Then confirm IronOcr.License.IsLicensed returns true and tell me
where you put the call.
IronOCR Lizenzschlüssel erklärt, wie Sie einen Testschlüssel erhalten und listet die Konfigurationsdateien, aus denen IronOCR einen Schlüssel lesen kann.
Create Services/InvoiceReader.cs with a ReadTotal method that takes the path of a
scanned PDF, reads it with IronTesseract, finds the line containing Total due, and
returns the amount as a decimal with that line's confidence, or null when the
line is missing.
Then create Services/SearchablePdf.cs with a Convert method that writes a
searchable copy of a scanned PDF. Build and fix errors.
Codex generierte zwei prägnante Klassen. Der Leser lädt den Scan in ein Eingabeobjekt mit einer using-Anweisung, ruft die Lesemethode der Engine einmal auf und geht durch die Ergebniszeilen, um die Gesamtsumme zu finden.
Wie migrieren Sie eine bestehende OCR-Implementierung zu IronOCR?
Hand this to the explorer agent, since nothing should be written yet.
Imports/LegacyOcrService.cs currently reads scans with another OCR library.
1. List every read it performs, with the settings it uses (language, page
segmentation, image preprocessing, region, output format).
2. Map each setting to its IronOCR equivalent, citing the documentation page.
3. Do not write any code yet. Wait for my approval on the plan.
Wenn ein Agent 400 Zeilen schreibt, bevor Sie den Ansatz genehmigen, müssen Sie alle 400 Zeilen überprüfen. Eine Zuordnungstabelle kann mit einer einzigen Antwort korrigiert werden.
Nachdem Sie den Plan genehmigt haben, halten Sie die nächste Anfrage eng gefasst.
Put the worker agent on the approved plan.
Rewrite LegacyOcrService.cs to use IronOCR, keeping the existing public method
signatures so callers don't change. Before removing the old library, run both
implementations on every page in TestData/known/ and save a table of file,
expected values, and each engine's values to migration-check.md. Remove the old
library only if IronOCR returns the expected values at least as often, and
leave it in Git history only. Build and report the diff.
Wie beheben Sie fälschlich gelesene Werte durch Eingabeaufforderungen?
Der Agent kann das Papieroriginal nicht sehen, daher muss die Eingabeaufforderung den Fehler beschreiben und idealerweise die Scans enthalten.
I have attached one of the failing scans with codex --image, so look at it
rather than reasoning from file names.
Invoices in TestData/supplier-7/ return totals that are off by one digit in
about a third of cases. The scans are slightly rotated and have speckle from an
old scanner. Clean digital invoices read correctly.
Read InvoiceReader.cs and a sample of the scans. Explain the likely cause before
changing anything, then change the preprocessing only. Do not change how the
total is parsed. Report how many totals match before and after.
Verweisen Sie auf den Leitfaden zur Korrektur der Bildausrichtung für Rotationsprobleme.
Fehlende Sprachen sind der andere häufige Fall und benötigen die gleiche Präzision.
German invoices throw LanguagePackException on the first read. Add what IronOCR
needs to read German, prove three German sample invoices return the expected
totals, and link me to the documentation page you used.
Sprachpakete behalten ihre eigenen Versionsnummern. Der neueste IronOcr.Languages.German ist weit hinter den Veröffentlichungen der Engine von 2026 zurück, sodass ein Agent, der angewiesen ist, jedes Iron-Paket auf einer Version zu halten, das Wiederherstellen nicht besteht, bis er die Diskrepanz akzeptiert. Sagen Sie in den Agent-Regeln des Repositories, dass Sprachpakete ausgenommen sind.
Welche Tesseract-Einstellungen sollten Sie ändern?
IronOCR bietet Zugriff auf Tesseracts Steuerungen über das Konfigurationsobjekt der Engine, und sie helfen in weniger Fällen, als ihre Beschreibungen vermuten lassen.
Totals in TestData/supplier-7/ now match after the preprocessing change.
Before anything else is tuned, measure the Tesseract settings IronOCR documents
for single fields: a character whitelist, single-line page segmentation, and a
crop to the amount. Apply one at a time on top of the current reader, report
the total read for every page, and keep a setting only if no page gets worse.
Codex behielt die Whitelist in WhiteListCharacters, die 9 von 9 Summen las. PageSegmentationMode auf SingleLine gesetzt las 0 von 9 und wurde verworfen. Ein ContentArea-Zuschnitt las 9 von 9 Lieferantensummen, aber 0 von 3 Deutsche, also ging es auch.
Eine spätere Umgestaltung kombinierte diesen Leser mit einem Dienst, der auch Rechnungsnummern liest, und die Whitelist wurde entfernt.
In einer separaten Untersuchung auf einem engen Zuschnitt um die Summe von 9.924,31 USD lieferte ein Whitelisted-Single-Line-Lesen den richtigen Betrag, und das Hinzufügen von Deskew und Rauschunterdrückung ergab ein leeres Ergebnis oder eine Streuung mit einer 7. Wenden Sie Filter auf die ganze Seite an, bevor Sie zuschneiden. Rohe Tesseract-Variablen ohne benannte Eigenschaften werden über Configuration.TesseractVariables, einem Wörterbuch, gesetzt. Verweisen Sie auf den Leitfaden zur erweiterten Leseeinstellung für Konfigurationseigenschaften und den Regions-Leitfaden zum Zuschneiden.
Wie verfolgen Sie einen Fehler über einen gesamten Import oder in einen Container?
Send the explorer agent through the import history first, without writing
anything.
Last month's import read 3,000 scanned invoices, and finance found 45 totals
that do not match the paper. Reprocessing one of those invoices gives the same
wrong total every time.
Investigate:
1. Read ImportService.cs and find how pages are loaded and preprocessed.
2. Identify what the misread invoices have in common.
3. Explain the cause before changing anything.
4. Then propose the minimal fix, and how you will prove the 45 now read correctly.
In unserem Test fand ein Erkundungsagent, dass der Importeur Seiten in 96 DPI rasterisiert und fehlende Summen als 0,00 $ aufgezeichnet. Der Agent las dann alle 70 wiederhergestellten Scans bei 300 DPI und erhielt 43 von 45, aber zwei blieben auf Null und eine zuvor korrekte Seite schlug fehl. Der Agent empfahl einen erneuten Versuch mit höherer Auflösung nur, wenn der erste Lesevorgang null zurückgibt. Verweisen Sie auf den Leitfaden für DPI-Einstellungen und den Leitfaden für Vertrauenswürdigkeit.
Run this read-only until you have the cause.
This exception is thrown from InvoiceReader.ReadTotal in our Linux Docker
container but not on Windows:
[PASTE FULL EXCEPTION AND STACK TRACE HERE]
Check which IronOCR package the project references and whether it matches the
container's operating system, and whether IRONOCR_LICENSE_KEY reaches the
container. Explain the cause, then propose the change. Don't modify C# code
unless the cause is there.
Der Container benötigt die nativen Abhängigkeiten, die im Docker-Leitfaden aufgeführt sind. Dieser Leitfaden installiert immer noch IronOcr, der in der getesteten Version nur nativen Windows-Binaries enthält.
Wie wandeln Sie einmalige Codes in wiederverwendbare, getestete Komponenten um?
Put the worker agent on this.
Refactor InvoiceReader and SearchablePdf into an InvoiceOcrService registered
with dependency injection. It should read totals and invoice numbers from
scanned PDFs, flag any value whose line confidence is below 80, and produce
searchable copies. Keep the preprocessing choices in one place. Add XML doc
comments. Keep it under 120 lines. Before you finish, run the service over
every folder in TestData/ that has an expected.csv and confirm each total
still matches.
Write xUnit tests for InvoiceOcrService covering: every page in TestData/known/
returns its expected invoice number and total, a page without a total returns
null rather than a guess, a searchable copy has a text layer, and a missing
license key throws a clear exception. Assert on extracted values, not on the
full text of the page.
Für das Szenario mit dem fehlenden Schlüssel testen Sie Ihre eigene Schutzlogik, da die Lizenzierungsausnahme von IronOCR kein öffentlich zugänglicher Typ für Tests ist.
Halten Sie wiederkehrende IronOCR-Fragen im Repository-Fähigkeitenbereich anstatt in ~/.codex/prompts/, die OpenAIs Seite für benutzerdefinierte Eingabeaufforderungen als veraltet markiert.
$ironocr Read the IronOCR API reference for OcrInput and list every method that corrects
image problems, such as rotation, noise, and low resolution, then show which
ones this project already calls.
Was haben die Aufforderungen in einem realen Lauf erzeugt?
Wir haben die obigen Eingabeaufforderungen in der Reihenfolge an Codex gesendet, gegen ein Beispielprojekt für Rechnungen. Das Projekt ist eine Konsolenanwendung mit gescannten PDFs, einem Legacy-Dienst, der den Open-Source-Tesseract-Wrapper verwendet, und drei Seitensätzen mit bekannten Werten. Nach dem Lauf bestätigten ein unabhängiger Release-Build, eine Testsuite und Untersuchungen über alle drei Sätze die untenstehenden Ergebnisse.
- Gesamtsummen von Lieferant-7 stiegen von 6 von 9 auf 9 von 9 mit
DeskewundDeNoise. Allein las Deskew 9 von 9 und DeNoise 8 von 9. - Sowohl der Legacy-Leser als auch IronOCR passten 10 von 10 beim Migrations-Check.
- Mit dem deutschen Paket wurden 3 von 3 deutschen Summen korrekt gelesen und der Lieferantensatz blieb bei 9 von 9.
- Der 96-Zeilen-Dienst stimmte bei 10 von 10 bekannten, 3 von 3 deutschen und 9 von 9 Lieferanten, und markierte 2 unter 80 Vertrauen.
- Tests bestanden 13 von 13.
- Codex führte 14 von 15 Eingabeaufforderungen ohne Build-Fehler oder manuelle Code-Änderungen aus. Der Container-Eingabeaufforderung benötigt einen echten Linux-Stacktrace und wurde nicht ausgeführt, und die deutschen Muster und Importverlauf wurden hinzugefügt, bevor ihre Eingabeaufforderungen.
- Ein früherer Lauf schlug auf drei Arten fehl. Codex berichtete über eine 10 von 10 Migration ohne Ausführung einer der Engines, eine Umstrukturierung brach eine bekannte Summe und eine Einstellungenaufforderung nahm einen Filter an, den der Leser nicht benutzte.
Diese Run-Version von Codex, Modell, Zeit und Maschine sind im gemeinsamen Laufprotokoll zu finden.
Was wird auf das nächste Projekt übertragen?
Der Leitfaden für KI-Coding-Assistenten fügt eine einzige Akzeptanzeingabeaufforderung hinzu, die einen Assistenten von einem leeren Ordner zu gemessenen Ergebnissen führt, und dieselbe Eingabeaufforderung hat während unserer Tests 10 von 10 in Codex bestanden.
Fehlerbehebung
- Wenden Sie einen Lizenzschlüssel in IronOCR an, wenn der Code die Prüfung besteht, aber der Lauf beim ersten Lesen stoppt.
- Verbessern Sie die OCR-Genauigkeit, wenn die Summen, die aus Scans gelesen wurden, nicht mit den Papiervorlagen übereinstimmen.
- Lesen Sie mehrere Sprachen, wenn Codex eine Sprache auswählt, die das Repository nicht installiert hat.
- IronOCR auf Docker, wenn Lesevorgänge auf Windows funktionieren und in einem Linux-Container fehlschlagen.
Fragen?
Wenn Sie Fragen haben, wenden Sie sich an support@ironsoftware.com.
Curtis Chau hat einen Bachelor-Abschluss in Informatik von der Carleton University und ist spezialisiert auf Frontend-Entwicklung mit Expertise in Node.js, TypeScript, JavaScript und React. Leidenschaftlich widmet er sich der Erstellung intuitiver und ästhetisch ansprechender Benutzerschnittstellen und arbeitet gerne mit modernen Frameworks sowie der Erstellung gut strukturierter, optisch ansprechender Handbücher.