文件识别队列

PDF 上传 → 远程 OCR 识别 → 格式化 DOCX 输出。

快速启动

uv sync
uv run uvicorn app:app --reload --host 0.0.0.0 --port 8000

打开浏览器访问 http://localhost:8000。

环境变量

变量	默认值	说明
WINDOWS_URL	http://192.168.10.165:8000	Windows OCR 服务地址
ROS_AI_LLM_API_KEY	—	DeepSeek API Key（翻译用，可选）
OPENAI_BASE_URL	https://api.deepseek.com	LLM API 地址
OPENAI_MODEL	deepseek-chat	翻译模型

不设置 API Key 时跳过翻译，仅输出英文原文。

操作流程

1. 上传 PDF — 拖拽或点击上传区域，支持 .pdf 及图片格式
2. 等待处理 — 文件进入队列，逐个发送到 Windows OCR 服务。状态实时更新（SSE 推送，无需刷新页面）
3. 下载结果 — 处理完成后点击「下载」按钮，得到一个 .zip 文件，包含：
   • 文件名.json — OCR 识别原始结果
   • 文件名.docx — 格式化后的 Word 文档
   • imgs/ — 提取的图片

工作方式

• 同一时间只处理一个文件（Windows 端算力受限）
• 后台 worker 轮询：发现 queued 任务提交到 Windows，发现 processing 任务查询结果
• 结果自动缓存，页面刷新不会丢失状态
• SQLite 数据库（tasks.db）持久化所有任务

DOCX 输出说明

阶段	工具	说明
生成	docx_gen.py	从 OCR 的 markdown 构建 DOCX，含表格/图片
翻译	translate.py	段落级中英对照翻译，保留标题层级
格式化	wordformat	ONNX 模型识别结构 + auto_format_thesis_document 统一排版

格式规则在 config.yaml 中配置（字体、字号、行距、缩进等）。