Indra OCR模式选择：查看每页source和note，不把hybrid当命令参数

素材身份：作者原创输入/可编辑参考。目标工具未在本轮执行。
先打开 index.html；input.csv 是原始字段，reference.csv 是验收基准，negative.csv 是故意构造的坏样例。
actual-results.csv 保留未测状态，实际执行后再填写。

前置条件：
Python环境与本地CPU；Indra使用ONNX，不需要PyTorch或GPU，首次运行需下载约76MB默认模型，math模型另计。
代码Apache2.0；权重modified OpenRAIL-M，有企业规模与竞争用途限制，不能宣传无限制免费商用。
本课原生材料可离线免费检查；目标识别未执行，实际page.source/conf/坐标只能运行后填写。

操作步骤：
1. 准备三类页面
第一页为可选择文字，第二页为仅图像扫描，第三页含文字与图片内标签。
保存每页实际组成，不用扩展名推断有无文字层。

2. 运行auto基线
用--mode auto与--format json记录逐页source和note。
auto通过检查才读文字层，其余会走OCR，不是整份文件只选一个方式。

3. 比较强制ocr
在同一输入用--mode ocr重跑并另存结果。
该模式不读文字层，耗时和字符差异需实际记录。

4. 比较强制text
用--mode text观察纯扫描页缺内容的风险。
text会使用文字层即使检查失败，不是“更安全”的默认选项。

5. 解释hybrid来源
遇到hybrid时回查是否文字层页又识别了图片内文字。
不要提交--mode hybrid，CLI没有这个枚举。

6. 检查每页覆盖
逐页确认标题与标签有无遗漏，并把source差异连回输入组成。
不同路由的结果不能只比总字数。

7. 交付路由矩阵
保存三模式命令、原始JSON与逐页结论。
未运行时source留待填，不把作者分类冒充程序判定。

验收：
CLI模式只用auto/ocr/text。
source与输入页组成逐项对照。
hybrid没有被误当可传模式。

官方资料：
https://huggingface.co/datalab-to/indra-ocr

图片身份：assets/ 为内置image_gen生成的原创练习输入缩略版，原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。