一整页试卷自动切成独立题目：拍照搜题真正的核心，在切题不在搜

摘要：

拍照搜题与题库建设的瓶颈不在检索，而在切题：切错不会报错，只会让下游的答案、解析与知识点整体错位。难点集中在题目边界判定、横竖混排、跨页续题与图文穿插，坐标与文本双输出则分别支撑回卷高亮与可检索组卷。

一、为什么"搜"不是瓶颈，"切"才是

一张手机拍的试卷照片，到"学生提问、系统给出解析"，中间隔着一条链路：拍照、切题、识别、检索、呈现。多数团队把精力放在最后两步——换更强的向量模型、调检索权重、加排序模型。但这条链路上真正容易出错、又不容易被察觉的环节，其实在第二步。

原因是检索本身早就成熟了。无论是全文检索还是向量检索，它做的事情都是"在一堆已经切好的单元里，找出与问题接近的那几个"。它默认每个单元是完整的、语义自洽的。这个默认前提一旦不成立，后面的排序再精细也没用：一道大题被从中间切开，检索时只召回前半段，模型看到的是一个没有选项、也没有小问的题干；两道相邻的题被并成一个块，检索出来的内容里混进了上一题的答案。

这就是"切题是水位线"的意思。检索的精度上限，由切题给出的单元质量决定。切错一次，下游的答案、解析与知识点标注会跟着一起偏；而且这种偏差不会报错，它只是安静地把一个不完整的题目交给检索。

题库建设是同一件事的另一面。题库的入库单元就是一道题，题号、题干、选项、答案、解析必须落在同一个结构里。如果入库前拿到的是整页文字流，题号在左上角、选项分两栏、答案在页脚，那么这些字段之间的对应关系在文本化的一瞬间就断了，剩下的工作只能靠人工重新拼装。

所以判断一个拍照搜题或题库方案能不能用，第一个问题不该问"搜得准不准"，而该问"它切出来的单元是什么"。

二、整页试卷切成独立题目的技术难点

2.1 题目边界判定：题号、题干与选项、答案区怎么区分

一道题的边界不是"一段文字的范围"，而是几个语义区域的组合。典型的判断依据有三类：题号的层级（一、/1./（1）在同一份试卷里代表不同层级）、题干与选项的同属关系（四个选项属于同一道选择题，不能各自成题）、以及答案与解析区的归属（页脚的参考答案既不属于最后一道题，也不能被当成新题）。

难点在于这三类依据的形态都不固定。题号可能用中文数字、阿拉伯数字，也可能只写一个括号；答案区可能集中在卷末，也可能跟在每道题后面并用加粗、下划线区分。规则写死在一套版式上，换一批试卷就会失效。

2.2 横竖混排与多栏：阅读顺序错乱比漏切更致命

双栏排版是常见的陷阱。按像素从上到下、从左到右扫描，会把左栏最后一道题和右栏第一道题的行文交错在一起，切出来的"题目"内容顺序是乱的。横竖混排更麻烦：试卷里常见的做法是正文竖排、表格或题干中的公式横排，或者反过来；如果解析时统一按一个方向处理，就会出现文字方向错误、题干与公式分家的结果。

漏切还能靠人工补，顺序错了则往往要整页重来——因为顺序错误不会让题目数量发生变化，肉眼很难看出哪一道题的内容被换过位置。

2.3 跨页续题：一道题被页缝劈开

纸质试卷装订和打印时，一道题干和小问经常被分到两页上：第一页末尾是题干的最后一行，第二页开头是小问和选项。单页识别只能看到半道题，而题干缺失的题目既不能检索，也不能入库。

处理这类情况的方式是把整卷作为一个任务提交，让多页在同一任务内处理，而不是一页一页调接口。这也是多页场景需要使用异步批量入口、而不是把同步接口循环调用的原因。

2.4 图文穿插：这张图到底属于哪道题

数理化试卷里，题干旁边常配实验装置图、几何图、函数图像，图上的标注文字是理解题目的关键。传统做法把图片和文字分别处理：图片输出成一个裁剪框，文字输出成一段文本，两者之间的空间对应关系丢失。入库之后，"根据图 2 回答下列问题"这句话还在，图 2 却不知道去哪了。

因此切题的输出不能只有文本，还必须带坐标——坐标是图文之间关键的关联线索。

三、坐标与文本双输出怎么支撑搜题与题库

文档智能把切题做成了一个独立能力：试卷切题（QuestionSplitOCR）将整页试卷或练习册自动分割为独立题目，并返回题目边框坐标与文本内容。这两类输出分别支撑两条不同的下游链路。

坐标支撑的是"回到卷面"的那条链路。学生在拍照搜题里看到的题目高亮框、题库录入时从原图上裁下来的题目图、以及后续把批改结论钉回原卷的高亮显示，靠的都是坐标而不是文本。没有坐标，系统只能把识别出来的文字重新排一遍版，图文关系随之断开。

文本支撑的是"可检索、可组卷"的那条链路。题干与选项的文字内容进入检索索引，用于相似题匹配、知识点打标和组卷。此时题目作为一个整体单元进索引，而不是整页文字进索引，检索命中的粒度才和业务粒度一致。

两条链路在题库结构上会合：一条题目记录包含"题目 ID + 题干 + 选项 + 坐标"。有了坐标，题目与它在原卷上的位置一一对应，题目图、学生作答区域、批改结论才能挂到同一个 ID 上；按题目维度做错因统计时，也是按这个 ID 聚合。

切题与批改要分开看：切题只做题目切分与坐标、文本的输出，不判断答案对错。它和端到端的试题批改 Agent 不是一回事：后者是切题、识别、批改、回包一整条链路，切题只是它的第一个环节。自建题库、自建判分逻辑的团队，需要的是前者的原子能力。

四、同步、异步与仅检测三档接口怎么选

选哪一档，取决于三个问题：要不要文本内容、是单页还是整卷、以及有没有批量提交的并发要求。三档接口（异步模式含提交与查询两个接口）在频率限制与输入形态上的差异如下表所示，对照这三个问题逐列取用即可。

五、规格与成本口径

输入侧的口径要分两档看。试卷切题与试卷切题（仅检测）属图片类接口：Base64 编码后不超过 10M，分辨率建议 600×800 以上，图片下载时间不超过 3 秒，且仅支持 PDF 单页识别；异步入口承接的是整卷场景，PDF 需以 1 个 Url 或 Base64 形式传入。五种格式 PNG、JPG、JPEG、BMP、PDF 各档均支持。

计费按"次"，一次调用对应一张图或一页 PDF。后付费单价为 0.24 元/次。预付费资源包的阶梯价如下。

免费额度方面，试题识别与试卷切题同属"试卷切题"资源包，多个接口共享同一份额度，为 1000 次/用户，首次开通服务时一次性发放，有效期 1 年。资源包的消耗顺序是先免费额度、再付费资源包、最后走按量后付费。

把这两条口径合起来算，成本结构就清楚了。一份 20 页的试卷按页调用，是 20 次调用，后付费 4.8 元；如果拿 1000 次档的资源包折算（0.20 元/次），是 4 元。批量录入 1 万页教辅，后付费要 2400 元，用 1 万次档资源包则是 1200 元。规模越大，阶梯价的落差越明显，这也是题库建设这类"一次解析、长期使用"的场景适合走预付费的原因。同时要留意资源包有效期为 1 年，1 年内未使用完的次数会过期作废，规格要按实际年用量选，不宜一味买大包。

六、总结

拍照搜题和题库建设，真正决定成败的往往不是"搜"这一步，而是它前面的切题。题目边界、多栏顺序、跨页续题、图文关系，任何一关没过，切出来的单元就不完整，下游拿到的只能是残缺的原料。试卷切题要做的，就是把整页试卷稳定拆成边界清楚、顺序正确、图文对应的独立题目，并同时给出坐标与文本两类输出——前者让题目挂回原卷支撑高亮与回显，后者让题目作为整体单元进入检索与组卷。这层做稳，搜题、组卷、知识点统计才有可靠的地基。

如果这套链路正好是当前要落地的方向，可以先拿几份版式复杂的试卷跑一轮真实调用，确认切题单元的完整性与顺序是否达标。试卷切题首次开通即发放 1000 次免费额度、一年内有效，用免费额度就够把切题链路验证一遍，不必一上来就付费；确认切题效果后再按需放量，可对照 文档智能特惠活动 的折扣档位：试卷切题新用户首单低至 1 折、老用户下单低至 6 折，按用量选规格更划算。