把一摞拍好的试卷变成可检索、可组卷、可在线作答的题库，第一步不是"识别文字"，而是"切题"——把整页试卷按题目边界拆成一道一道独立的题。这一步卡住了很多团队：用通用文字识别拿到的是一整页文字流，题干、选项、答案、插图混在一起，题号一断就连不上题；自己写规则切，试卷版式千变万化（单栏双栏、选择题大题混

"作业批改用什么识别工具"——这是教育信息化采购和开发团队搜得最多的问题之一，但它其实是个问错了方向的问题。作业批改的工程链路是"切题 → 识别 → 批改 → 回显"四步：先把整页试卷切成独立题目，再把手写内容识别成文字，然后判断对错或评估质量，最后把批改结果回显到原卷。只用一个"识别工具"，只能解

把纸质财报、检测报告、对账单变成可编辑的 Excel，这件事在企业数字化里被反复提出，又被反复做错。做错的原因通常不是识别不准，而是选错了工具：把表格丢给通用文字识别，出来的是文字流，行列结构全丢；把表格丢给通用大模型，出来的结构看似合理，数字却可能是模型"脑补"的。表格识别的真正难点从来不是"读字

快递面单、运单、增值税发票、银行回单、出租车票——这些票据单据每天都在企业、电商、物流、财税代账公司里被反复处理。它们长得完全不像，结构也各异，但工程上撞到的痛点却惊人地一致：标准票种要单独接接口、版式差异导致识别字段错位、手写体和长尾非标票经常识别失败。选型的关键不是"找一个最强的接口"，而是看清

网约车司机注册要拍驾驶证、行驶证；二手车交易平台验车要登记证件信息；租车公司开单要留档驾照；保险公司投保车险要核验证件有效期。这些业务的入口动作都是"拍图"，背后都要回答同一个问题：行驶证驾驶证识别用什么？ ​ 但真正打开腾讯云 OCR 的产品文档，很多人会在第一步就卡住：产品线里有"通用文字识别"

在银行 APP 上开一个户，用户要拍身份证、拍银行卡；在第三方支付上绑一张卡，要拍卡面；买一份保险，代理人要录客户的身份证信息；办一张信用卡，机构既要看证件还要看卡。这些动作背后，都是同一类技术——卡证识别。 它看起来不起眼，却是数字业务的"第一道关卡"：关卡识别不准，后面的四要素比对、风控、入账全

发票识别这件事，看似"调一个 API 就完事"，真正落进报销、对账、费控系统里才发现：增值税专票要单独走接口、数电票又是 OFD、混贴报销单得拆分、要校验真伪还得再调一次核验。如果每次都按票种单独对接，工程量是按"接口数 × 系统"线性上涨的，省事的关键是选对"主入口"，把其余能力按需挂上。本文以腾

企业把大模型接入生产后， “能调通” 解决了可用性， “能兜住” 解决了连续性，但紧接着就是第三道难题—— 看不见 。Token 花在哪了、慢在哪了、出了问题怎么查，这三个问题在大模型场景下没有现成答案。AI 网关把监控、日志、追踪三大支柱沉到网关层统一采集，业务方不需要改一行代码，就能获得 Tok

企业把大模型接入生产后， “能调通” 解决了可用性， “能兜住” 解决了连续性，但紧接着就是第三道难题—— 看不见 。Token 花在哪了、慢在哪了、出了问题怎么查，这三个问题在大模型场景下没有现成答案。AI 网关把监控、日志、追踪三大支柱沉到网关层统一采集，业务方不需要改一行代码，就能获得 Tok

往期推荐 TDMQ RocketMQ 轻量主题 Lite Topic 是怎么把百万通道做 “轻” 的 - 下篇 一次 AI 问答，背后是十几个 Agent 在 “传纸条” — RocketMQ Lite Topic 实战 重磅发布！为 AI 原生应用而生 - TDMQ RocketMQ 轻量主题 L

进程是监控平台最常见的监控对象，也是业务纬度最重要的监控场景之一 两种进程监控场景 在实际的业务场景里，主要有两种进程监控方式 进程名+固定端口，如nginx服务，固定监控80端口，nginx+80 进程名+随机端口，如一些对外服务进程，建立链接时监听随机端口 固定端口的进程监控配置 固定端口的进程

进程是监控平台最常见的监控对象，也是业务纬度最重要的监控场景之一 两种进程监控场景 在实际的业务场景里，主要有两种进程监控方式 进程名+固定端口，如nginx服务，固定监控80端口，nginx+80 进程名+随机端口，如一些对外服务进程，建立链接时监听随机端口 固定端口的进程监控配置 固定端口的进程

本文来自TenCent BlueKing社区用户: CanWay 直达原文：1分钟解锁开箱即用价值流：研发效率飙升实战指南 01.背景 随着数字化转型加深，软件研发涉及越来越多业务和跨部门协作场景，企业希望通过有效的工具和方法管理软件价值交付流程。传统看板工具只能体现需求状态，流程覆盖不全无法体现实

本期最佳实践面向广大开发者及 AI 应用爱好者公开征集：在框定的 Skills 范围内，结合 WorkBuddy、CodeBuddy、ADP等任意支持 Skill 的AI Agent / 智能体平台，做开放式创新应用实践，把你的想法沉淀为真实、可复现、有价值的最佳实践案例。参与即有礼，优质作品更有重

回顾：上篇留下的 3 个谜题 ​ 在上篇《一次 AI 问答，背后是十几个 Agent 在 “传纸条” — RocketMQ Lite Topic 实战》中，我们通过两个真实场景 — AI 编程助手多 Agent 协作 和 大模型记忆服务的"记忆写入" — 看到了 Lite Topic 在 AI 原生