Cómo usar IronOCR con Google Antigravity
Muchas herramientas de codificación de IA se detienen en la compilación de código y te dejan verificar si el código funciona. En OCR, esta brecha puede ser costosa. Por ejemplo, un importador de facturas puede construir y llenar una base de datos sin errores, pero una cuarta parte de los totales puede contener dígitos mal leídos, lo que no revelará la salida de la construcción.
Google Antigravity opera a través de agentes que devuelven trabajo para tu revisión. IronOCR extrae texto, códigos de barras y tablas de imágenes y PDFs localmente en .NET. Cuando el agente gestiona páginas de prueba, conoce sus contenidos, lee cada página con IronOCR, compara los valores extraídos con los valores conocidos y itera hasta que coinciden.
Este artículo cubre las herramientas de codificación de IA que te ayudan a construir software en IronOCR. Las funciones de aprendizaje automático de IronOCR para fotografías y escritura a mano son un tema aparte, con su propia guía de lectura de fotos y guía de escritura a mano.
Inicio rápidoAbre tu proyecto en Antigravity y especifica la salida esperada.
/plan In this C# project, add IronOCR (the IronOcr NuGet package, namespace
IronOcr) and read the German invoice at TestData/rechnung.png, printing its text
and overall confidence. Only English ships with the package, so add whatever
German needs and tell me which package that was. Read the license key from the
IRONOCR_LICENSE_KEY environment variable, never hardcode it. Run dotnet build,
fix any errors, and show me the output.
El plan debe nombrar IronOcr.Languages.German y la asignación de idioma, y omitir alguno es un error. Sin el paquete de idioma, la primera lectura lanza una LanguagePackException, por lo que el error se muestra de inmediato.
La guía de claves de licencia detalla todas las ubicaciones que IronOCR verifica para una clave.
Flujo de trabajo mínimo (5 pasos)
- Descarga la biblioteca de OCR C# de NuGet
- Verifica que el proyecto se compile antes de entregarlo a un agente
- Referencia el paquete de plataforma que coincida con el host y carga la clave desde las configuraciones
- Dale a cada tarea las páginas, el idioma, los campos y los valores que deberían rendir
- Revisa el Plan de Implementación, la diferencia y el Recorrido que te devuelve
¿Qué es Google Antigravity y en qué se diferencia de una herramienta de chat?
Dado un objetivo, un agente de Antigravity produce un plan, lo lleva a cabo en el editor, el terminal y un navegador, e informa lo que hizo en Artefactos que puedes revisar en lugar de una transcripción de chat.
Sin orientación, un agente que construye una tubería de captura puede elegir el primer enfoque de OCR que encuentre o adivinar un nombre de paquete. Un nombre adivinado puede resolverse a un falso que un atacante publicó bajo ese nombre por adelantado, una práctica conocida como slopsquatting. Usa IronOcr para Windows y IronOcr.Linux para Linux.
La guía de asistentes de codificación de IA enumera los enlaces de documentación de IronOCR que debes proporcionar al agente e incluye una prueba de aceptación de una sola solicitud que puedes ejecutar en Antigravity.
¿Qué devuelve el agente y cómo lo revisas?
Antes del código, el Plan de Implementación
El plan define los archivos, la selección de idioma, los filtros y los campos de destino. Revísalo para confirmar el alcance.
Durante la ejecución, la diferencia de código
La diferencia de código muestra cómo se implementa el plan. Verifica que el lector cargue las páginas especificadas, que los filtros prometidos se apliquen y que cada miembro utilizado esté presente en la referencia de API.
Después de la ejecución, el Recorrido
El Recorrido concluye la tarea resumiendo los cambios y proporcionando evidencia de los resultados.
¿De dónde proviene la prueba?
/browser Services/CaptureService.cs extracts delivery note numbers and totals
from uploads to POST /capture.
1. Run the API and upload TestData/known/invoice-01.png in the browser.
Capture a screenshot.
2. Upload every file in TestData/known/ and record the delivery note number
and total returned.
3. Include the five rotated or noisy scans in that folder.
4. Report a table of file, expected delivery note number, number returned,
expected total, total returned, confidence, and match.
5. If any row does not match, explain the cause before changing anything, fix
it in CaptureService.cs, and run the whole table again. Attach the table
and the screenshots as Artifacts.
Repetir toda la tabla después confirma que un filtro agregado para un escaneo no ha roto otros.
Desde la CLI, el comando /browser inició un subagente de Chrome.
Para marcar una lectura errada, como un total con un dígito transpuesto, comenta en la captura de pantalla.
¿Qué causa valores OCR incorrectos o faltantes?
La mayoría de las discrepancias tienen algunas causas comunes. Nombra la causa sospechada y el agente omite el ensayo y error.
- Los dígitos incorrectos en páginas rotadas o ruidosas generalmente requieren
DeskewyDeNoise. - Una lectura que devuelve texto pero no códigos de barras necesita
Configuration.ReadBarCodesactivado. - Cuando
ConvertToSearchablePdflanza en un escaneo, llama aSaveAsSearchablePdfen el resultado de la lectura en su lugar.
¿Cómo configuras un proyecto en el que Antigravity pueda trabajar?
Proporciona al agente un proyecto que se compile. De lo contrario, el agente pasa su tiempo en errores de construcción.
Delega la instalación al agente.
Add the IronOcr NuGet package to this project. Then tell me which version was
installed and show me the PackageReference line. Configure the license key to
be read from the IRONOCR_LICENSE_KEY environment variable or a config file
rather than hardcoded, and add that config file to .gitignore if it isn't
already. Don't change other package references.
Usa el número de versión reportado en todas las tareas subsecuentes.
Agrega un archivo de instrucciones permanentes, AGENTS.md o GEMINI.md, a la raíz del repositorio al inicio del proyecto. Registra que OCR usa IronOCR.
/learn The repository already carries an AGENTS.md from the ChatGPT Codex
setup, and this platform reads the same file. Extend its OCR section with the
rules this platform adds. Produce an Implementation Plan before any file is
edited. Attach the evidence to the Walkthrough rather than describing it. And
treat no task as finished until every page read is checked against a known
value.
En nuestra ejecución, el agente agregó las tres reglas al archivo de instrucciones existente.
¿Cómo delegas el trabajo de extracción y migración?
Cuando requieras extracción de campos, especifica las páginas relevantes y los archivos a los que pertenece el lector.
Show me the Implementation Plan before any file is written. Then create
Services/DeliveryNoteReader.cs with a method that takes the path of a scanned
PDF, reads it with IronTesseract, and returns the amount on the line
containing Total due with that line's confidence, or null if the line is
missing. Create Services/SearchablePdf.cs with a method that writes a
searchable copy of a scanned PDF. Build, then prove ten sample invoices return
their known totals.
En nuestra prueba, el lector cargó cada escaneo como entrada PDF y buscó en las líneas de cada página la línea de Total a pagar.
Las migraciones son adecuadas para delegación, ya que son largas, repetitivas y propensas a casos límite pasados por alto. Dirige al agente al código fuente actual.
/plan Read Capture/LegacyCaptureService.cs. It reads scans with another OCR
library.
1. List every read it performs, with the settings it uses.
2. Map each setting to its IronOCR equivalent, citing the documentation page.
3. Produce this as a plan Artifact. Do not write code yet.
La aplicación de escritorio contiene el plan para tu revisión. Desde la CLI, revisa la diferencia después de una tarea de plan.
Cualquier mapeo sin un enlace de soporte debe ser revisado más de cerca. La guía de entrada de imágenes y la guía de entrada de PDF abordan la carga, mientras que la guía de resultados explica la salida.
¿Cuándo deberías enviar más de un agente?
Las migraciones de OCR pueden dividirse en dos tareas paralelas.
Agent A: migrate Capture/LegacyCaptureService.cs to IronOCR per the approved
plan. Keep the public method signatures unchanged.
Agent B: write xUnit tests for the migrated service. Assert that every page in
TestData/known/ returns its expected delivery note number and total, that
barcodes are returned when enabled, that a page without a total returns null,
and that reads below 80 confidence are flagged. Do not assert on full page
text.
¿Cómo depuras fallas de despliegue en Linux, Docker o Azure?
Attach the terminal output to the Walkthrough when you are done. Reading
invoices works locally on Windows but fails in our Linux container with:
[PASTE FULL EXCEPTION AND STACK TRACE HERE]
Check which IronOCR package the project references, whether the container has
the native dependencies IronOCR needs, 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.
Sin instrucciones claras, un agente puede suprimir fallos en un bloque catch. Dirígelo a la guía de Docker y a la guía de Azure.
¿Qué produjeron los prompts en una ejecución real?
Los siete avisos que no requirieron fallos pegados se presentaron secuencialmente en la CLI de Antigravity en una única sesión contra una API de captura de muestra. La aplicación es una aplicación ASP.NET Core con un lector Tesseract heredado, diez notas de entrega con valores conocidos (incluyendo tres rotadas, dos salpicadas y cuatro con códigos QR), diez facturas de muestra escaneadas y una factura alemana. La clave de licencia se proporcionó a través de una variable de entorno. Después de la ejecución, una construcción independiente, ejecución de prueba y verificación de cada nota de entrega confirmaron los resultados a continuación.
- Las notas conocidas coincidieron 10 de 10 con el lector heredado y 10 de 10 después de la transición a IronOCR, con confianza de 76.2 a 96.0.
- Las pruebas de xUnit pasaron 17 de 17.
- En la factura alemana, IronOCR leyó 3.271,07 EUR con una confianza de 95.5.
- Los totales de las facturas de muestra coincidieron 10 de 10.
- Las construcciones tuvieron éxito 7 de 7 con 0 errores y sin ediciones humanas.
- El aviso solo de plan escribió código de todos modos e informó una aprobación que nadie dio.
- Las pruebas de códigos de barras omiten silenciosamente la nota de QR salpicada, que no devuelve código de barras.
- A diferencia de la página, la sesión se ejecutó sin supervisión con
--dangerously-skip-permissions, y el aviso de dos agentes se ejecutó como un solo agente.
La versión de Antigravity, modelo y tiempo, además de la máquina de prueba, se enumeran en el registro de ejecución del hub.
Solución de problemas
- Aplica una clave de licencia en IronOCR si el código generado lanza LicensingException
- Mejora la precisión de OCR si los valores leídos de una página son incorrectos
- Lee códigos de barras con IronOCR si faltan códigos de barras en una lectura que devolvió texto
- IronOCR en Docker si las lecturas fallan en un contenedor Linux pero funcionan localmente
¿Preguntas?
Si tienes alguna pregunta, contacta a support@ironsoftware.com
Curtis Chau tiene una licenciatura en Ciencias de la Computación (Carleton University) y se especializa en el desarrollo front-end con experiencia en Node.js, TypeScript, JavaScript y React. Apasionado por crear interfaces de usuario intuitivas y estéticamente agradables, disfruta trabajando con frameworks modernos y creando manuales bien estructurados y visualmente atractivos.