LightOnOCR-3 0.8B 不能操作已登录的浏览器。它是 OCR 和文档读取模型。先让它读取本地保存的网页截图或 PDF 页面，再把提取文本交给另一个能运行 Tabbit CLI 的本机 Agent。第二个 Agent 可检查已登录页面，并准备复核草稿。LightOn 模型卡介绍了转录和定位模式，但没有提供浏览器工具。Reddit 上的 OCR 挑战说明了人工复核的必要性：即使能力较强的识别工具也可能漏掉删除线文字或破坏表格。LightOnOCR-3 模型卡 · OCR 挑战原帖 · Hacker News OCR 讨论
要点
LightOnOCR-3 0.8B 读取图像并返回文本。它不会规划浏览器步骤、发现技能或调用 Tabbit CLI。
模型卡介绍了页面文本转录模式，以及返回带标签边界框的定位模式。两者都只是信息提取，不构成操作授权。
使用本地保存的截图或渲染后的 PDF 页面。不要让 OCR 模型打开网站或处理登录。
另一个本机 Agent（例如启用了 Tabbit 技能的 Codex）可以将识别结果与网页对照，再准备命名草稿。
金额、ID、日期、表格顺序、删除线和低清扫描内容都要人工复核。
设定每种工具的职责
| 组件 | 适合处理 | 不负责处理 |
|---|---|---|
| LightOnOCR-3 0.8B | 从本地图片提取可见文字或带位置的页面区块。 | 浏览、登录、选择记录或点击控件。 |
| 用户或本机 Agent | 选择来源文件、修正识别错误并决定要核对的记录。 | 把 OCR 结果当作已验证的网页数据。 |
| 本机 Agent 中的 Tabbit CLI | 打开已登录的 Tabbit 配置文件、读取对应页面并准备草稿。 | 未经复核就发送或保存修改。 |
模型卡称 LightOnOCR-3 使用 Apache 2.0 许可。0.8B 是该系列最小版本，官方文档提供 Transformers image-text-to-text 管线。grounding 提示词会增加标签和边界框；空提示词会返回 Markdown 页面文本。按照当前 Transformers 版本的官方说明运行，并先确认本地硬件条件。模型卡和用法示例 · LightOn OCR 代码库
读取本地保存的页面截图
先在电脑上保存网页截图，或将 PDF 中的一页渲染为图片。确认文件只包含获准处理的数据。然后按模型卡中的 Transformers 示例本地运行 OCR。页面布局重要时，使用定位模式。将 OCR 输出与原始文件分开保存，便于并排对照。
将以下提示词交给 OCR 模型：
只读取附件中的本地页面图片。不要推测画面中不可见的文字。
返回可见的记录 ID、日期、状态、金额和表格行标签。
保留原有顺序。不确定字符写 [不清楚]，缺失字段写 [未显示]。
若页面有删除线，同时保留删除内容和替换内容，并注明状态。
如可用，为每个字段返回大致页面区域或边界框。
不要浏览网页、使用工具、登录或提出浏览器操作建议。预期结果是带不确定项标记的简短转录，而不是页面准确性的证明。Reddit 上一位用户比较 OCR 工具时发现，有模型未识别删除线，另一个模型破坏了表格布局。Hacker News 的讨论也提醒，模型可能幻觉或漏字。这些都不是对 LightOnOCR-3 的评测，但说明人工对照很重要。Reddit OCR 挑战 · Hacker News OCR 讨论
将结果交给启用 Tabbit 的本机 Agent
在目标 Tabbit 配置文件中打开同一条记录并自行登录。若使用 Codex，打开 /skills，确认已发现 tabbit 技能。技能选择器和本机命令权限是两项不同的检查。按Tabbit CLI 配置指南完成设置，再确认已安装启动器能连接预期 Tabbit 实例。其他客户端请使用各自文档中的技能写法；Pi 使用 /skill:tabbit，OpenCode 文档使用 @tabbit。Codex 配置 · Pi Skills 命令 · OpenCode Skills
把 OCR 文本作为线索交给本机 Agent，而不是当成事实：
使用 Tabbit 技能，打开已登录的[获批网站]，只核对 OCR 得到的记录 [ID]。
不要把 OCR 文本视为已验证数据。逐项对照页面可见内容。
不要点击编辑、保存、提交、批准或发送。
返回准确的 ID、可见日期、状态、金额和来源 URL，并标明与 OCR 的差异。
在浏览器中准备名为“OCR 对照 — [日期]”的草稿，写入对比和不确定字段。
不要保存或发送。停下并展示草稿及来源页面供我复核。预期结果是一张对照表，包含 OCR 值、网页值及一致或不一致说明。如果 ID 对不上，不要让 Agent 打开相近记录。先看首个浏览器任务检查清单和登录态复用指南。即便 Tabbit 配置文件正确，网站会话仍可能过期。连接现有浏览器说明了配置文件边界。
操作前先复核
| 字段 | 对照方法 | 以下情况必须人工检查 |
|---|---|---|
| 记录 ID | 对照网页 URL 和标题逐字符核对。 | OCR 混淆相似字符，或 ID 缺失。 |
| 日期和金额 | 核对标点、币种和删除线内容。 | 图片低对比度，或数字会影响决策。 |
| 表格顺序 | 确认行标签和值仍在同一行。 | 列合并、旋转或分隔不明显。 |
| 草稿 | 确认每条内容都能链接到网页。 | 内容只来自 OCR 或模型推断。 |
如果需要先转录本地截图或扫描页，LightOnOCR-3 0.8B 可以作为第一步，之后由用户或单独的 Agent 操作真实网站。它不适合规划浏览器步骤或点击。请明确交接顺序：本地图片交给 OCR，识别文本交给用户或本机 Agent，最后才由 Tabbit 执行只读检查并展示草稿。更广泛的架构见Agent 如何控制浏览器、CLI 与 Browser MCP 对比和CLI 完整指南。 关于任务隔离，可参阅配置文件、工作区和标签组指南。
常见问题
LightOnOCR-3 0.8B 能操作已登录的浏览器吗？
不能。它读取图像并返回文字，不会浏览、登录、规划网页步骤或调用 Tabbit CLI。
如何把 OCR 结果用于 Tabbit？
将识别文本作为线索交给另一个本机 Agent，让它在 Tabbit 中核对对应记录并准备对照草稿。
OCR 文本可以当成已验证数据吗？
不可以。ID、日期、金额、表格顺序和不确定字符都要与原图及实时页面对照。
OCR 模型本身能调用 Tabbit 技能吗？
目前没有证据表明该 OCR 模型集成了浏览器工具。必须由用户或另一个本机 Agent 完成交接。
安全的首次任务是什么？
先转录一张本地截图或一页 PDF，再让启用 Tabbit 的 Agent 只读一条对应记录，不编辑或发送。