panda
c9f003e1b7
- 新增 backend/ocr_extractor.py: 两阶段提取流水线 (文档分析 + 字段提取) - 四种提取策略: 精确KV匹配/模糊KV匹配/正则模式/表格结构匹配 - agent/state.py: 新增 ocr_extraction_result 和 uploaded_file_path 字段 - agent/nodes.py: process_input() 中自动触发 OCR 提取钩子 - app.py: 文件上传时保留图片路径, 总结卡片中展示提取结果 - .env.example: 新增 OCR_USE_GPU / OCR_CONFIDENCE_THRESHOLD 配置项 - tests/test_ocr_extraction.py: 48 个单元测试全部通过
72 lines
1.8 KiB
Bash
72 lines
1.8 KiB
Bash
# 大语言模型后端：cloud 或 local
|
||
LLM_BACKEND=cloud
|
||
|
||
# 云端提供商：openai 或 anthropic
|
||
LLM_PROVIDER=openai
|
||
|
||
# 云端配置（OpenAI 兼容）
|
||
OPENAI_API_KEY=sk-xxxx
|
||
OPENAI_BASE_URL=https://api.openai.com/v1
|
||
LLM_MODEL=gpt-4o
|
||
|
||
# 本地大语言模型（Ollama）
|
||
LOCAL_LLM_MODEL=qwen2.5-coder:7b
|
||
|
||
# 嵌入模型后端：local 或 cloud
|
||
EMBED_BACKEND=local
|
||
LOCAL_EMBED_MODEL=Qwen/Qwen3-Embedding-0.6B
|
||
|
||
# 验证服务地址
|
||
VALIDATION_SERVICE_URL=http://localhost:8001/validate
|
||
|
||
# Chroma 持久化目录
|
||
CHROMA_PERSIST_DIR=./db/chroma
|
||
|
||
# ---- RAG / 向量知识库 (rag_jrxml 子模块) ----
|
||
# 嵌入模型
|
||
RAG_EMBED_MODEL=sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2
|
||
# JRXML 模板源目录 (rag 子模块内已含 107 个模板)
|
||
RAG_JRXML_SOURCE=./rag/jrxml_source
|
||
# 分块输出目录
|
||
RAG_CHUNKER_OUTPUT=./rag/jrxml_chunker_output
|
||
# 向量输出目录
|
||
RAG_EMBEDDINGS_DIR=./rag/embeddings
|
||
# ChromaDB 知识库路径
|
||
RAG_CHROMA_PATH=./db/chroma
|
||
# ChromaDB 集合名称
|
||
RAG_COLLECTION_NAME=jrxml_chunks
|
||
# GPU 加速
|
||
RAG_USE_GPU=true
|
||
# FP16 半精度
|
||
RAG_USE_FP16=true
|
||
# 向量化批处理大小
|
||
RAG_BATCH_SIZE=64
|
||
|
||
# 最大自动修正尝试次数
|
||
MAX_RETRY=3
|
||
|
||
# 上下文压缩阈值（token 数）
|
||
CONTEXT_MAX_TOKENS=6000
|
||
|
||
# 保留最近 N 轮完整对话
|
||
CONTEXT_KEEP_RECENT=4
|
||
|
||
# 会话持久化目录
|
||
SESSIONS_DIR=./sessions
|
||
|
||
# 日志目录和级别
|
||
LOG_DIR=./logs
|
||
LOG_LEVEL=DEBUG
|
||
|
||
# 状态快照保留数量（用于撤销操作）
|
||
HISTORY_MAX_SNAPSHOTS=10
|
||
|
||
# 意图识别模型（默认使用主 LLM 模型）
|
||
# INTENT_MODEL=gpt-4o-mini
|
||
|
||
# OCR 字段提取配置
|
||
# 是否使用 GPU 加速 OCR（需要 CUDA 驱动和 GPU 版 EasyOCR/PaddleOCR）
|
||
OCR_USE_GPU=false
|
||
# OCR 文本置信度最低阈值（0-1），低于此值的元素将被忽略
|
||
OCR_CONFIDENCE_THRESHOLD=0.5
|