# doc_understand

**Repository Path**: baymax-microbot/doc_understand

## Basic Information

- **Project Name**: doc_understand
- **Description**: CLI 形式 进行文档视觉解析
- **Primary Language**: Unknown
- **License**: Apache-2.0
- **Default Branch**: master
- **Homepage**: None
- **GVP Project**: No

## Statistics

- **Stars**: 0
- **Forks**: 0
- **Created**: 2026-03-27
- **Last Updated**: 2026-03-27

## Categories & Tags

**Categories**: Uncategorized

**Tags**: None

## README



# Doc Understand

文档理解与解析服务，基于 VLM、PaddleOCR 和 FastAPI 的 PDF 文档智能解析系统。

## 项目简介

Doc Understand 是一个用于文档理解的微服务项目，主要功能是对 PDF 文档进行智能解析，提取文本和表格内容，并返回解析结果。该服务支持 GPU 和 NPU 加速推理，可集成到 RAG 文档处理流程中。

## 主要功能

- **PDF 文档解析**：基于 PaddleOCR 的深度学习模型进行 PDF 文档解析
- **大模型解析**：基于 VLM 视觉模型进行 PDF 文档解析
- **表格识别**：支持文档中表格结构的识别与提取
- **图片处理**：自动处理文档中的图片并生成 Markdown
- **流水线处理**：完整的文档处理流水线，支持文件上传、解析
- **多硬件支持**：支持 GPU 和 NPU 加速部署
- **RESTful API**：提供 FastAPI 接口，便于集成到现有系统

## 技术栈

- **框架**：FastAPI
- **OCR 引擎**：PaddleOCR / PaddleStructure
- **存储**：MinIO (兼容 S3)
- **配置管理**：Pydantic Settings
- **部署**：支持 GPU / NPU 硬件加速

## 任务

- [ ] Paddleocr Struct V3 集成
- [ ] VLM集成
- [ ] ppt解析
- [ ] word解析
- [ ] 图片解析
- [ ] CLI 开发

## 项目结构

```
doc_understand/
├── application.py          # FastAPI 应用入口
├── main.py                 # 主服务逻辑，包含解析器和存储类
├── conf/
│   ├── config.py           # 应用配置定义
│   └── config.toml         # 配置文件
├── router/
│   └── doc/
│       ├── api.py          # 文档处理 API 路由
│       └── core.py         # 流水线解析器
├── utils/
│   ├── constant.py         # 常量定义
│   ├── document_util.py    # 文档处理工具
│   ├── logger_util.py      # 日志工具
│   └── test_model.py       # 模型测试工具
├── build/
│   ├── gpu.sh              # GPU 构建脚本
│   └── npu.sh              # NPU 构建脚本
└── process.sh              # 处理脚本
```

## 快速开始

### 环境要求

- Python 3.10+
- PaddlePaddle (GPU 或 CPU 版本)
- MinIO 服务（用于存储解析后的文档）

### 安装依赖

```bash
pip install -r requirements.txt
```

或使用 uv：

```bash
uv sync
```

### 配置

在 `conf/config.toml` 中配置相关参数：

```toml
[app]
host = "0.0.0.0"
port = 9380

[minio]
endpoint = "localhost:9000"
access_key = "minioadmin"
secret_key = "minioadmin"
bucket = "doc-parser"
```

### 启动服务

```bash
# CPU 模式
python application.py

# GPU 模式
bash build/gpu.sh

# NPU 模式
bash build/npu.sh
```

## 配置说明

| 配置项 | 说明 | 默认值 |
|--------|------|--------|
| host | 服务监听地址 | 0.0.0.0 |
| port | 服务监听端口 | 9951 |

## 许可协议

本项目基于 LICENSE 中指定的许可协议开源。