现在有个功能是上传图片让 AI 提取其中的文字信息，转换成数据库中对应的表结构写入库里。为了防止数据有问题，先返回初步数据，人工确认后写库。问题就出在这个初步数据返回接口时间太长了，最长能达到几十秒，一开始是用 kimi-k2.5 直接识图返回结构化数据，现在改成两段式，先 OCR 提取纯文本，再喂给响应比较快的 AI 返回结构化数据，文本清洗，调整提示词等等，最快响应还是要达到 10s，目前用的模型是PaddlePaddle/PaddleOCR-VL-1.5加Qwen3.5-Flash，佬友们有什么建议呢？