上大学之后，我发现有一件事情特别占时间：整理学习资料。平时上课要拍PPT，复习时要整理笔记，遇到重点内容还得手动输入到文档里。

如果课程比较多，各种截图和资料混在一起，找起来也挺麻烦。最近在学习HarmonyOS开发时，我了解到系统提供了文字识别、图像处理等AI开放能力，于是产生了一个想法：能不能做一个简单的学习资料整理助手，让它自动提取图片中的文字，减少重复输入？

一、先从文字识别开始

最初我想到的功能是拍照之后直接生成完整学习笔记。但仔细想想，这里面涉及图片识别、文字整理、摘要生成、分类管理等多个步骤，对于刚接触AI应用开发的学生来说，一次完成难度有点高。

所以我决定先把需求缩小，只研究一个核心功能：从图片中提取文字。比如拍摄课堂PPT之后，尝试识别其中的文字，再让用户复制或编辑。

二、为什么关注Core Vision Kit？

HarmonyOS提供了多种视觉AI相关能力，其中Core Vision Kit的通用文字识别功能就很适合这类场景。

它的主要作用是识别图片中的文本信息。不过，需要注意，文字识别并不等于自动生成学习笔记。

识别结果可能还包含换行错误、识别不准确的字符，甚至把公式中的某些符号识别错。因此，真正设计应用时，还需要加入人工检查和编辑步骤。

三、先把处理流程设计清楚

我计划将整个功能分为四个步骤。用户选择图片后，应用先检查图片是否符合要求，再调用文字识别能力，接着展示识别结果，最后允许用户进行编辑和保存。

为了更方便管理，我先定义了一个简单的任务结构：

interface NoteTask {
  id: number;
  imageUri: string;
  recognizedText: string;
  status: 'waiting' | 'processing' | 'success' | 'failed';
}

其中，status表示任务处理状态。

比如识别过程中显示“正在处理”，成功之后显示结果，失败则提醒用户重试。这个结构只是页面状态管理的基础，并不代表已经完成OCR接口调用。真正接入时，还需要参考对应HarmonyOS SDK的API、图片格式和权限要求。

四、真正需要考虑的还有识别准确率

如果只是识别普通文字，问题可能没有那么明显。但遇到数学公式、代码截图或者排版复杂的PPT，就可能出现各种错误。例如，一些英文字符和数字长得很像，识别时就容易混淆。

所以我觉得，不能把AI识别结果直接当成完全正确的内容。比较稳妥的设计是：识别完成之后，先让用户预览，再决定是否保存。对于重要学习资料，尤其是公式和代码，还需要人工核对。

五、后续还可以加什么功能？

等文字识别功能跑通之后，我还想继续探索三个方向。

第一，按照课程名称整理资料。

第二，增加关键词搜索，方便复习时快速找到内容。

第三，结合文本摘要等能力，尝试提取资料重点。

不过我不会一下子把所有AI功能都加进去，而是希望先把最基础的识别和保存做好。

毕竟，一个能够稳定使用的小功能，比一堆看起来很厉害却经常出错的功能更有价值。

六、我的一点学习感受

以前提到AI开发，我总觉得需要了解很多算法，甚至自己训练模型才能开始。

接触HarmonyOS AI开放能力之后，我才发现，也可以先从了解系统已有能力入手，结合具体场景进行应用开发。

对学生来说，这是一种比较友好的学习方式。

不需要一开始就做特别复杂的AI产品，而是先解决一个实际问题，再逐步学习背后的技术。

技术学习最有意思的地方，就是把“这个功能好像很厉害”，慢慢变成“我也能试着做一个”。