双11避坑：我用 WorkBuddy + TextIn xParse 做了个「避坑对比台」，商品详情图丢进去，参数矛盾自动现形

摘要

双11 期间比商品，比的是散落在多张 1~3 万像素长图里的参数表，宣传文案与规格表还经常自相矛盾。本文基于腾讯云 WorkBuddy 与合合信息 TextIn xParse，实现了一个可公开访问的「避坑对比台」：商品详情页长截图经 xParse 还原为结构化 Markdown，归一引擎按品类 Schema 抽取参数并做物理范围校验，生成横向对比表，同时自动检出「宣传与参数矛盾、营销话术、参数缺失」三类问题；每个数值均可回溯至解析原文与原始截图。以 12 款京东真实商品（显示器/空气炸锅/羽绒服）为样本，实测跨段表格还原、设计字体识别等能力，并记录四列表格错位、品牌名换行拆字、型号数字污染等解析陷阱及对应归一策略。实测 92 个参数格子填出 68 个（其余显式写「未标注」而非猜测），自动检出 21 条避坑提示，人工约 30 分钟的跨店比对压缩到 2 分钟内且每个数字可回溯。文末附 WorkBuddy + TextIn xParse 环境配置教程与完整取证表，所有结论可在线复现。

双11避坑工作台体验地址： https://1111-spec-check.app.workbuddy.host/?sharecode=R3KKA66HKX

---

一、先看成品：30 秒看懂它在干什么

事情是这样的。双11 预售开了，我想买台电竞显示器，收藏夹里躺着 4 个候选。挨个打开详情页看参数，人都麻了------每个页面都是一两万像素高的长图，参数表藏在中间某段，宣传大字写着「1500nit 峰值亮度」，参数表里写的是「典型亮度 250nit」；这个写「320Hz 电竞屏」，那个参数表里是「160Hz」。来回切了五六个标签页，抄下来的数字对不上号，回头一看全是碎片。

详情页是设计给人看的图，不是给 AI 看的数据。 参数不在网页文本里，而是画在图片的艺术字、排版、表格线里。你让大模型直接「读」这张图？它要么漏读、要么给你编一个------恰恰是买显示器这种事，最不能容忍 AI 张口就来。

所以我起了个念头：与其问 AI 要答案，不如让它给我造个工具。

整个开发过程在 WorkBuddy 里完成：抓取脚本、切段工具、构建管线、归一引擎的每一轮迭代，都是和 WorkBuddy 里的 Agent 协作写的；解析这一步则通过部署在腾讯云 SCF 的代理服务调用 TextIn xParse ------WorkBuddy 当工位，xParse 当数据层，这套组合让「从零到可公开访问的工具」只花了一个晚上加一个下午。

于是有了**「双11 避坑对比台」** ：把 N 个商品的详情页长截图丢进去，TextIn xParse 把长图还原成结构化文本，归一引擎抽成一张横向参数对比表，再自动标出三类「文字游戏」------宣传与参数矛盾、营销话术、参数缺失。每个数字都能点开看到它来自截图的哪一行，原图可放大核验。

核心产出长这样：

• 横向参数对比表：行是参数（分辨率/刷新率/响应时间/亮度/HDR/色域/接口...），列是商品；数值差异自动高亮，最优值标绿点，查不到的显式写「未标注」；
• 避坑雷达：自动检出「宣传 1500nit vs 参数 250nit」「大字 354g 高充绒 vs 参数 250-299g」这类矛盾，以及「峰值/等效/高达」话术；
• 证据抽屉：点表格里任意一个数，右侧滑出这个值怎么来的、命中了解析文本哪一行、原始截图（可缩放放大）；
• 一键导出：CSV 对比表（Excel 直接开）、避坑卡片图（发群用）、JSON 备份。

页面里预置了 12 款京东真实商品（显示器 / 空气炸锅 / 羽绒服各 4 款），打开链接就能看，不用注册不用配置。点「添加商品」丢自己的截图进去，约 10 秒解析完自动入表。

1.1 完整走一遍：5 步，从一张详情页长图到一份避坑结论

看完成品，说说它到底怎么用。整条链路只有 5 步，第 3 步是 TextIn xParse，前后都是工程活。

详情页长图（2~3.5 万像素）
   ↓ ① 选品类 → 决定用哪套参数模板（Schema）
   ↓ ② 切段上传 → 3600px/段、4:4:4 保文字清晰、单张 ≤ 4MB
   ↓ ③ TextIn xParse → 长图 OCR + 版面分析 + 表格还原 → Markdown（<table> + <!-- --> 弱语义注释）
   ↓ ④ 归一引擎 → 别名归一 → 物理范围校验 → 三层抽取 → 价格众数 → 越界写「未标注」
   ↓ ⑤ 出结论 → 横向对比表 / 避坑雷达 / 证据抽屉溯源 / 导出 CSV·卡片图·JSON

第 1 步 · 选品类。 三类可选：电竞显示器 / 空气炸锅·小家电 / 羽绒服·服饰。这一步决定用哪张字段表，选错了参数抽不出来，整列会显示「未标注」------这是设计，不是 bug：抽不到就明说抽不到，不猜。

第 2 步 · 丢图。 拖入详情页长截图，支持 PNG / JPG / PDF，单张 ≤ 4MB；超长图按 3600px 分 2~3 段（同一商品的多个截图会归到同一条记录）。切段这一步很关键：不切的话引擎会把长图压缩到参数小字糊成一团，后面 OCR 直接丢字。

第 3 步 · TextIn xParse 解析，约 10 秒。 这一步是整个工具的地基，长图 OCR、设计字体识别、跨段表格还原都在这一步完成。返回的是结构化 Markdown：参数表是 <table>，价格这类「页面上有但语义较弱」的文本被单独放进 <!-- --> 注释，不污染正文。页面里点「添加商品」走的是服务端凭证；在 WorkBuddy 里则是把图丢给 Agent，走连接器：

# 页面入口：点「添加商品」→ 开始解析
# WorkBuddy 对话入口：把图丢给 Agent，说
用 TextIn xParse 解析这张图，把文字和表格提取出来
# 命令行入口
xparse-cli --profile workbuddy parse 你的截图.jpg --api auto --output 解析结果

第 4 步 · 归一引擎入表。 解析出来的是文本，不是数据。这一步按品类 Schema 做别名归一（「刷新率/刷屏率/屏幕刷新率」是同一个字段），过物理范围校验，走三层抽取兜底，价格取众数避开通篇补贴价的污染，越界的值判废写「未标注」。

第 5 步 · 看结论，并验证它没骗你。 横向对比表 + 避坑雷达出来后，点表格里任意一个数字，右侧滑出证据抽屉：这个值的原始文本是什么、归一后是什么、命中解析结果的哪一行、原始截图长什么样（可放大到 1:1 核对）。确认无误再导出 CSV / 避坑卡片图 / JSON。

1.2 跑完这 5 步，你会拿到什么

不谈感觉，只报数字。以下均由 tools/verify-fields.js 离线统计得出，可复跑：

指标	结果
字段抽取覆盖	68 / 92（74%）------显示器 34/48、空气炸锅 21/24、羽绒服 13/20
未标注	24 格，全部显式写「未标注」，没有一个靠猜补上
自动检出避坑提示	21 条（显示器 12 / 空气炸锅 3 / 羽绒服 6）
其中「宣传 vs 参数」矛盾	5 条：宣传 4K 但参数 1920×1080、宣传 420Hz 但参数 400Hz、宣传 4K 但参数 2560×1440、宣传 400Hz 但参数 160Hz、宣传 1500nit 但典型亮度 250nit
时间（作者自测，非实验室数据）	人工比对 4 款显示器约 30 分钟 （每款 2~3.5 万像素长图，参数表藏在中间，来回切标签页手抄）；同一批交给工具，解析约 10 秒/段 ，全流程 2 分钟内，且每个数字可回溯到原图

前后对比的意义不在「快了多少倍」，而在可核验：手抄的数字错了你不知道，工具给的每个数字都能点开看它来自哪一行像素。

二、商品详情页，是怎么变成「AI 盲区」的

把真实商品页翻完，我总结出详情页对机器的三重不友好。这不是理论推演，每一条都有实据。

第一重：参数不在网页里，在图片里。 这是采集时的第一手发现，试过的平台里唯一能匿名访问的苏宁移动端，多数商品详情页根本没有参数表 ，参数全散在宣传图的艺术字里：分辨率写在渐变大字上，响应时间嵌在产品渲染图的角标里。人眼看得懂，机器读不出。这不是个别页面偷懒，而是详情页的通用设计逻辑：它是广告，不是数据表。

第二重：藏参数的图，是一张两三万 像素 的长图。 一个显示器详情页，从首图滚到参数表要划过 2~3.5 万像素------比一台 4K 显示器的竖向分辨率还高。就算 AI 能「看图」，一次也吞不下这么长的内容：要么截断、要么压缩到参数小字糊成一团。这也是后面切段预处理（按 3600px 分段、4:4:4 保留文字清晰度）的原因------喂给解析引擎的每一口，都得是小字仍可辨认的。

第三重：文字本身在跟你玩捉迷藏。 同一款显示器的「刷新率」，在参数表里叫「屏幕刷新率」，在宣传图里叫「320Hz 电竞屏」；FreeSync 印成设计字体后 OCR 会拆成 Fr eeSync；型号 XG259QNS 里的 259 长得跟刷新率一模一样。更别提「峰值亮度 1500nit」和「典型亮度 250nit」印在同一页------两个都是真话，但说的不是一回事。

这三重不友好叠加，就是「让大模型直接读详情页」必然翻车的原因，也是这个工具存在的前提：得先有一层文档解析，把「设计给人看的图」翻译成「给 AI 看的数据」，后面的对比和避坑才有地基。

三、xParse 解析这批长图：强在哪，坑在哪

切段图丢给 TextIn xParse（走部署在腾讯云 SCF 的代理服务，凭证在服务端），拿到 Markdown 输出。两条调用链路：产品里「添加商品」按钮走的是部署在腾讯云 SCF 的代理服务 （凭证在服务端，访客无需配置即可体验）；而本文写作过程中的解析验证，走的是 WorkBuddy 的 TextIn xParse 连接器 。两条底层是同一个引擎------我用连接器重跑过同一批切段，产出形态与 SCF 链路一致。直说结论：表格还原是真能打，但坑也真实存在，且每一个都有实据。

3.1 先摆证据：三份文件，逐份过 xParse

先说句公道话 ：解析不是万能的。第二章那款苏宁 AOC，整页走完 xParse，<table> 出现 0 次 ------因为它压根没有参数表。所以下面要展示的不是「xParse 更会读字」，而是：在有参数表的页面上，它能把图片里的表还原成结构；而这一步不做，后面一切都无从谈起。

怎么调的 。本文所有解析都走 WorkBuddy 里的 TextIn xParse 连接器。--profile workbuddy 这个参数就是使用连接器托管的凭证，不需要在对话里贴 AppKey：

xparse-cli --profile workbuddy parse 显示器-KTC-100334979952_p1.jpg --api auto --output 验证实录

在 WorkBuddy 对话框里的用法更直接：丢一张图给 Agent，说「用 TextIn xParse 解析这个」，它会走 xparse-parse 技能把图转成 Markdown。

三份产出的实测数据（数字由程序统计，非估算）：

文件（切段 1120 宽）	产出字符	表格数	抽出的关键参数
显示器 KTC H27E8P · p1	5119	3	亮度 550cd/m²、响应时间 1ms、对比度 1000:1、屏幕尺寸 27 英寸、壁挂 100x100mm、比例 16:9
空气炸锅 九阳 KL60 · p2	4118	2	容量 6L、功率 1700W、温控 80-200℃（一张 7 款机型横向对比表）
羽绒服 波司登 · p1	5085	1	充绒量 100-149g、填充物 鸭绒、厚度 厚款、材质 涤纶（聚酯纤维）

逐份产出

显示器------京东参数表的四列结构 |键|值|键|值| 被还原成规整的行列：

<table border="1">
<tr><td>能效网规格型号</td><td>H27E8P</td><td>屏幕尺寸</td><td>27 英寸</td></tr>
<tr><td>认证型号①</td><td>H27E8P</td><td>亮度</td><td>550cd/m²</td></tr>
<tr><td>支架底座</td><td>旋转升降</td><td>壁挂规格</td><td>100x100mm</td></tr>
<tr><td>特性</td><td>旋转升降底座Fr eeSync</td><td>屏幕比例</td><td>16:9</td></tr>
<tr><td>能效等级</td><td>一级能效</td><td>响应时间</td><td>1ms</td></tr>
</table>

空气炸锅------这张更有意思：商家自己在详情页里放了一张 7 款机型的横向对比表 ，但它是图片。xParse 把表头和七列全还原了，连 colspan 都保留：

<table border="1">
<tr><td>热卖推荐</td><td>KL50-V515</td><td>KL55-V155</td><td>KL60-V585</td>
    <td>VK-PR2506</td><td>VS-PL1300</td><td>VG-UL2103</td><td>KL60-V317Y</td></tr>
<tr><td></td><td>5.3L</td><td>5.5L</td><td>6L</td><td>6L</td><td>7L</td><td>5.8L</td><td>6L</td></tr>
</table>
<table border="1">
<tr><td>功率</td><td>1500W</td><td>1500W</td><td>1700W</td><td>1700W</td><td>2100W</td><td>1900W</td><td>2100W</td></tr>
<tr><td>温度</td><td colspan="4">80-200℃</td><td></td><td>35-200℃</td><td>35-210℃</td></tr>
</table>

商家比谁都清楚用户想横向比，却只肯给一张图。这正是整个项目的立足点：把这张图变成能排序、能对比的数据。

羽绒服------合并单元格也还原了，rowspan 完整：

<table border="1">
<tr><td rowspan="2">1</td><td>00-149g 充绒量<br>标准型</td><td rowspan="2"></td>
    <td rowspan="2">鸭绒<br>填充物<br>百搭风<br>风格</td>
    <td rowspan="2">厚款<br>厚度<br>涤纶（聚酯纤维）..．<br>材质</td></tr>
</table>

噪点是真的，这反而是我想要的证据 ：上面三段里 旋转升降底座Fr eeSync（FreeSync 被拆字）、00-149g（100-149g 丢了首位的 1）、涤纶（聚酯纤维）..．（省略号被吃掉）------这些不完美恰恰说明产出来自真实的 OCR 版面解析，而不是复制网页文本。同一份羽绒服的另一处解析里，100-149g 是完整的，说明这是 OCR 的随机抖动，不是固定错误；也正是范围校验存在的理由。

3.2 能打的地方

• 跨段表格还原：详情页参数表经常横跨两个切段，xParse 输出的 Markdown 表格行没有断裂；

• 艺术字/设计字体识别：宣传图里的渐变大字（「320Hz」「德国 PT 电子屏」）基本全中；

• 换行转 <br> ：飞利浦（PHILIP<br>S) 这种是换行输出成 <br>，属正常现象，展示层清洗即可；

• 价格藏在 HTML 注释里 ：xParse 把「页面上存在但语义较弱」的文本（被遮挡的标签、价格）单独输出为 <!-- --> 注释，不混进正文------这个设计后来救我一命。

3.3 踩的坑（每个都有截图证据）

坑一：京东参数表是四列的。 |键|值|键|值| 四列结构，如果按两列键值对去读，必然串行------我第一版就把 KTC 的分辨率读成了「1499×200」（那是隔壁列的价格）。修法：解析层按四列拆成多对 label/value。同款问题在雷鸟的解析结果里也出现：屏幕刷新率 一行取到的值是「曲率」。

坑二：设计字体拆字。 FreeSync 识别成 Fr eeSync------参数表再规整也会掉字。修法：别名表里加容错拼写。

坑三：型号数字污染。 华硕型号 XG259QNS 里的 259 被当成刷新率。修法：刷新率正则加 (?<!\d) 负向后行断言。

坑四：价格截断。 ¥3899 被截成 ¥38。修法：上下文过滤（带「补贴/优惠/立减/券」的不算）+ 取出现次数最多的值（真实售价在一页里反复出现，截断值只出现一次）。

这些坑说明一件事：OCR /解析的输出不能直接当数据用，必须有一层归一校验。 这层才是这个项目工程量的主体。

四、归一引擎：把噪声洗成「敢标进对比表」的数据

解析输出的还是文本，要变成横向对比表，中间是一套归一引擎（src/app-core.js，纯前端，约 900 行）。

4.1 品类 Schema：先定义「比什么」

每个品类一张字段表（显示器 15 项、空气炸锅、羽绒服各若干项），每项声明别名、类型、单位、比较方向。京东同一参数有五种叫法（刷新率/刷屏率/屏幕刷新率/垂直刷新率/扫描方式），别名表统一归一。

4.2 物理范围校验：宁可「未标注」，绝不编

这是全项目最重要的一条设计决策：

刷新率   20~600 Hz
亮度     50~5000 nit
对比度   500~100000
响应时间 0.1~30 ms

越界的值直接判废返回 null，表格里显示「未标注」------未标注本身就是信号：没写的就是不敢写的。 1000:1 的对比度值被当过 1000Hz，就是靠这条规则拦下来的。

4.3 三层抽取 + 价格众数

参数值的抽取走了三层兜底：参数表行 → 邻近文本（很多详情页参数表没有的项，写在宣传图文字里，比如 Fast IPS 1ms(GTG)）→ 合并格拆段（100-149g · 充绒量 · 标准型 这种塞满一段的）。区间值保留原文显示（「100-149 g」），排序比较取下界。

价格是最容易被污染的字段。xParse 把价格输出在 HTML 注释里，上下文里混着「政府补贴」「已预减」「配件价」。归一规则：正则抓 ¥ 数字 → 过滤含「补贴/优惠/立减/券/满减」的上下文 → 取出现次数最多的值。逻辑很简单，但它是从真实数据里逼出来的。

4.4 话术黑名单 + 矛盾检测

「避坑雷达」的规则不复杂，但每条都对着真实案例：

峰值   → 峰值是瞬时最高值，日常使用通常远低于此
高达 N → 「高达」后面跟的是上限值而非保证值
等效 N → 「等效」是换算概念，不是实测容量/尺寸

矛盾检测则拿宣传文案和参数表对账。真实案例：酷想宣传图大字「1500nit」，参数表典型亮度 250nit，差 6 倍------工具不判断谁对谁错，把两个数并排摆出来，注明「两者不是同一测量口径」；高梵羽绒服大字「354g 高充绒」，参数表充绒量 250-299g（宣传取的是尺码区间的最大值）。

有一条规则我特意没上自动化：KTC 的 320Hz/160Hz 是 4K160·FHD320 双模切换，两个数都对，口径不同------这种判断超出规则能力，必须上 LLM，当前版本只做标注不做定性。

五、工程细节：为「可核验」做的所有事

产品逻辑之外，工程上花力气最多的是「让每个结论可回溯」：

1. 证据抽屉：对比表任意单元格 → 参数表原始值 + 归一后值 + 命中的解析文本行（高亮）+ 原始截图（点击灯箱放大，滚轮缩放、拖拽、双击 1:1）。文字糊是早期版本被吐槽最多的点，后来把证据图从 240 宽 JPEG 提到 640 宽 WebP q90，切段图质量 93 + 4:4:4，才算过关；
2. 零依赖单文件：成品是一个 1.31MB 的 HTML，全部 CSS/JS 内联，图片 base64 内嵌，离线双击可用。云端解析（SCF）是唯一的外部依赖，挂了也不影响浏览已入库数据；
3. 自检体系 ：smoke.js（双端冒烟）、e2e.js（端到端）、verify-fields.js（三品类字段抽取离线校验）、test-lightbox.js（图片放大）、test-ui.js（响应式/对比度/触摸目标），改一处跑一遍，全部绿了才重新部署；
4. 构建可复现 ：node tools/build.js 从 src/ 重新打包，解析结果和图片资产从固定目录注入，任何人拿到仓库都能一键重建出同一个页面。

六、复现指引

在线体验 （手机可用）： 双11 避坑对比台 · 把详情页长图变成能比较的数据

自己跑一遍：

1. 打开链接，点「添加商品」，选品类，拖入任意商品详情页长截图（超长图建议分 2~3 段，单张 ≤ 4MB）；
2. 解析走 TextIn xParse（体验模式每日有页数上限，注册 TextIn 账号可领每日 1000 页免费额度）；
3. 约 10 秒出结果，自动入表；导出 CSV / 避坑卡片图 / JSON。

想在 WorkBuddy 里复刻开发过程 ：本项目从素材抓取到页面构建的全套脚本（tools/ 目录）都是在 WorkBuddy 对话里写出来的------把 tools/capture-jd.js、tools/split.py、tools/build.js 这套文件丢进 WorkBuddy 工作区，它能直接接手迭代。

6.1 五分钟配好 WorkBuddy + TextIn xParse 环境

很多人卡在第一步不是不会写代码，是环境没配通。这里把我实际用的配置路径完整交代一遍，照着做五分钟内能跑通。

第一步：注册 TextIn 账号 / WorkBuddy

TextIn 官网 注册，用户每日 1000 页免费解析额度。

WorkBuddy 官方 注册，新用户有积分体验。

第二步：在 WorkBuddy 里启用 TextIn xParse 连接器

打开 WorkBuddy，点对话窗口左下角的 **+**号 ，在连接器列表里找到 TextIn xParse 智能文档解析，点启用。连接器走的是设备授权（Device OAuth）------启用时会弹一个授权链接和验证码，浏览器里登录你第一步注册的 TextIn 账号、确认授权，回来就绑好了。

配好之后 WorkBuddy 里的 Agent 就能直接调 xParse 了：丢给它一张本地图或一个文件链接，说「解析这个」，它会走 xparse-parse 技能把文档转成 Markdown------长图 OCR、表格还原、版面分析全在这一步。不需要手动跑 CLI 、不需要在对话里贴 AppKey（凭证由连接器托管）。

不用 WorkBuddy 也可以：支持 Skills 生态的 Agent（如 Claude、Codex）可以在对话框输入 `帮我从 技能市场 安装 intsig-textin/xparse-parser`；技能市场不可用时退回 `npx skills add intsig-textin/xparse-skills --yes`；再不行从 GitHub / Gitee 的 `intsig-textin/xparse-skills` 仓库下载 zip 手动装。三种方式解析能力一致。

第三步：给任务挑一个专家

WorkBuddy 左侧栏有「专家」入口，里面是按领域打包的专家包（工作台搭建、文档处理、前端设计等）。做本项目的对比台界面时我挂的是工作台搭建类专家；如果你只是解析文档、不搭页面，默认会话就够用，专家不是必需项。选错了随时可以换，不影响已产生的数据。

这里我选择 工作台 专家搭建专属于我的工作台。

第四步：验证解析链路，并留下调用证据

想先确认链路通了再开工，随便丢一张图给 Agent：

用 TextIn xParse 解析这张图，把文字和表格提取出来

几秒内返回结构化 Markdown 就说明通了。要用命令行验证也一样：

xparse-cli --profile workbuddy parse 你的截图.jpg --api auto --output 解析结果

返回里能看到 <table> 结构和 <!-- --> 弱语义注释，就是通了。遇到 40001 是当日免费额度用完，40302 是单文件超 10MB，详情页长图切段再传就避开第二个坑。

这套环境跑通之后，本文的抓取、解析、归一流程你都可以在 WorkBuddy 里逐步复刻：抓取脚本丢进工作区让 Agent 接手跑，解析结果落盘后让 Agent 帮你写归一规则------正是我实际的开发方式。

七、边界，说清楚不藏着

• 品类限于三类 ：显示器/空气炸锅/羽绒服，各有一张字段表。传其他品类（洗衣机、扫地机）解析正常，但参数抽不出会整列「未标注」。加品类只需在 SCHEMAS 里加约 15 行定义；
• 规则能做的有限 ：双模 320Hz/160Hz 这类「口径不同但都对」的情况，规则判不了，需要 LLM 归一层（规划中：SCF 加 /api/normalize 端点）；
• 价格偶有偏差：补贴语境干扰，九阳/美的两款建议人工核对（素材包「已知待核」里写明）；
• 切段图 p1 顶部有「问大家」浮层 ：抓取时评论区浮层正开着，占了 p1 前 60%，做配图请用 .参数表特写.webp。

写在最后

这个项目给我最大的触动是那句反复被验证的话：详情页是设计给人看的图，不是给 AI 看的数据。 苏宁那条匿名采集路线抓回来的 AOC 显示器详情页，从头到尾没有一张参数表------参数全部散在宣传图的艺术字里。人类看得懂，机器读不出，这中间的断层正是 xParse 这类文档解析层存在的意义。

而解析只是第一步。OCR 输出的文本离「敢标进对比表的数据」之间，还隔着一整个归一引擎------四列表格、拆字、型号数字污染、价格截断、补贴语境，每一个坑都是真实商品页给的。把这一层做扎实，「峰值 vs 典型」「354g vs 250-299g」这些矛盾才会自己浮出水面。

工具在这，链接在文首，真实商品随便点开验证。双11 下单之前，先让 AI 把图变成数据------数据不会忽悠你，图会。

---

附录 A：素材包取证表（文章可直引的证据）

证据	出处	说明
FreeSync → Fr eeSync	KTC 参数表	设计字体拆字
屏幕刷新率 一行取到「曲率」	KTC / 雷鸟	京东四列参数表按两列读必然错位
宣传 1500nit vs 参数典型 250nit	酷想	峰值/典型口径差 6 倍
大字 354g vs 参数 250-299g	高梵	宣传取尺码区间最大值
充绒量 100-149g + 误差 2%	波司登	参数本身是区间
宣传 320Hz vs 参数 160Hz	KTC	双模切换，两数都对
型号 XG259QNS 的 259 被当刷新率	华硕	型号数字污染
详情页无参数表	苏宁 AOC	「反 AI 设计」铁证

文中所有数据均来自真实商品页，解析由 TextIn xParse 完成，每个数字可在工具的证据抽屉里回溯到原图。觉得有点意思的话，点赞收藏评论三连，双11 前你也许用得上。