Unsiloed AI 的「Review Handwritten Edits on Scanned Documents」是一份面向开发者的实战 Cookbook，教你用 /v2/extract 接口把扫描件上的手写批注读成「修订记录」（tracked changes），并为每一处标记返回定位框。它配套一个名为 Markup Review 的小型示例应用：FastAPI 后端加单个 HTML 页面，无需构建步骤，克隆仓库、装好依赖、填入 API Key 即可本地跑起来。
示例自带一封 1837 年 William Ellery Channing 致 William Lloyd Garrison 的打字信首页，上面布满手写更正，两次读取结果已存进仓库，因此体验样例不消耗任何 API 调用。审阅者可以对照扫描件特写逐条接受、修正或拒绝改动，最终导出干净文本。完整文档与代码见 官方 Cookbook 页面。
打印稿常常被钢笔写满：草稿上的更正、合同上的标记、打字信件上的注释。传统 OCR 面对这些手写痕迹只有两种结局——要么直接丢弃，要么把它混进正文句子里，于是「到底改了什么」的记录彻底消失。想保留修订痕迹，就只能人工重打整页、逐行比对，既费时又容易漏掉细节。更麻烦的是，手写体本身辨识度低，模型也可能读错或读漏，单次识别结果无法直接信任，而人工复核又缺少可定位、可追溯的界面支撑。
这套方案把「读取手写批注」拆成可复用的技术模块，每个模块独立成短小文件，方便直接搬进你自己的文档处理流水线。
整页输出为一份带内联标记的修订记录，而非丢失痕迹的纯文本。
检测到的改动返回边界框，颜色区分替换、插入与批注类型。
同一页读两遍，自动标出两次结果不一致、低置信或模型存疑的改动。
对照扫描特写接受、修正或拒绝，并导出干净文本。
它没有停留在「识别得更准」的口号上，而是把不确定性和人工判断显式地放进流程，让机器负责定位与初筛，人负责最终裁决。
低置信、双读分歧、模型存疑的改动会被单独标记，避免错误静默通过。
渲染、取红标、配对定位框、比对、应用决策各自独立，便于嵌入现有管线。
打印出来的文件通常会用钢笔盖好：草稿上的更正、合同上的标记、打印信件上的注释。 OCR 要么删除手写内容，要么将其合并到句子中，因此更改内容的记录会丢失。手动检查每个编辑意味着重新输入页面并逐行进行比较。
Unsiloed 将页面读取为跟踪更改记录，每个标记上都有一个框。审阅者对照扫描特写检查每一项并接受或修复它。如果两个阅读者在某个单词上存在分歧，审阅者会检查特写并选择正确的单词。
使用我们的分步指南自行构建审核工具。
https://www.unsiloed.ai/docs/cookbooks/review-handwritten-edits
