ForcePilot/docs/latest/advanced/document-processing.md

文档处理与 OCR

系统提供 5 种文档处理选项：

• RapidOCR: CPU 友好，无需 GPU，适合基础文字识别
• MinerU: 本地化高精度 VLM 解析，适合复杂 PDF 和表格文档
• MinerU Official: 官方云服务 API，无需本地部署，开箱即用
• PaddleX: 结构化解析，适合表格、票据等特殊格式
• DeepSeek OCR: 基于 SiliconFlow API 的 DeepSeek OCR OCR 服务

支持的文件类型

常规文档格式

• 文本文档: .txt, .md, .html, .htm
• Word 文档: .docx
• PDF 文档: .pdf
• 电子表格: .csv, .xls, .xlsx
• JSON 数据: .json

图像格式（需要 OCR）

• 常见图片: .jpg, .jpeg, .png, .bmp, .tiff, .tif, .gif, .webp

ZIP 压缩包

• ZIP 文档: .zip - 支持包含 Markdown 文件和图片的压缩包
  • 自动提取和处理 ZIP 包中的 .md 文件
  • 自动处理 ZIP 包中的图片文件并上传到对象存储（MINIO）
  • 图片链接会自动替换为可访问的 URL
  • 优先处理名为 full.md 的文件，否则使用第一个 .md 文件
  • 支持图片目录的智能识别（images/、../images/ 等）

::: tip 图片显示 文档中的图片会自动上传到对象存储并替换为可访问的 URL。但是如果想要在外部正常显示图片，需要配置 HOST_IP 环境变量，将其设置为您的服务器 IP 地址。 :::

快速配置

1. 基础 OCR (RapidOCR)

# 下载模型
hf download SWHL/RapidOCR --local-dir ./models/SWHL/RapidOCR

# 启动服务
docker compose up -d api

需要确保 MODEL_DIR 环境变量指向 RapidOCR 上层目录，例如 ./models。

2. 高精度 OCR (MinerU)

需要在 .env 文件中配置：

MINERU_VL_SERVER=http://localhost:30000  # 对应 docker compose 中的 mineru-vllm-server 服务
MINERU_API_URI=http://localhost:30001  # 对应 docker compose 中的 mineru-api 服务

然后启动相关服务

# 需要 GPU，启动 MinerU 服务
docker compose up mineru-vllm-server mineru-api -d

# 启动主服务
docker compose up api -d

::: tip 处理超时 文档解析超时时间默认 600 秒，可通过 MINERU_TIMEOUT 环境变量调整。 :::

3. 官方云服务 (MinerU Official)

API 密钥可以从 MinerU 官网 申请。

然后在 .env 文件中添加

# 设置 API 密钥环境变量
MINERU_API_KEY="your-api-key-here"

然后使用 docker compose up api -d 重启后端服务。

4. 结构化解析 (PaddleX)

# 需要 GPU，启动 PaddleX 服务
docker compose up -d paddlex

# 启动主服务
docker compose up -d api

5. 智能云端 OCR (DeepSeek OCR)

DeepSeek OCR 基于 SiliconFlow API，提供智能文档理解和 Markdown 格式输出。

API 密钥可以从 SiliconFlow 申请。

然后在 .env 文件中添加：

# 设置 SiliconFlow API 密钥
SILICONFLOW_API_KEY="your-api-key-here"

重启后端服务即可使用：

docker compose restart api

注：当前还不支持保存其中的图片信息，mineru 当前版本已支持。

处理器选择

处理器	适用场景	硬件要求	特点
RapidOCR	基础文字识别	CPU	速度快，资源占用低
MinerU	复杂 PDF、表格、公式	GPU	精度高，版面分析好
MinerU Official	复杂文档解析（云服务）	无特殊要求	官方云服务，开箱即用，有 API 配额
PaddleX	表格、票据、结构化文档	GPU	专业版面解析
DeepSeek OCR	智能文档理解和 Markdown 输出	无特殊要求	云端服务

参数说明

enable_ocr 选项

对应网页中的 使用 OCR 选项

• disable: 不启用 OCR（PDF 按文本提取，图片必须选择 OCR 方式）
• onnx_rapid_ocr: RapidOCR 处理
• mineru_ocr: MinerU HTTP API 处理
• mineru_official: MinerU 官方云服务 API 处理
• paddlex_ocr: PaddleX 处理
• deepseek_ocr: DeepSeek OCR（SiliconFlow API）处理

注意事项

• 图片文件必须启用 OCR，否则无法提取内容
• MinerU 和 PaddleX 需要 GPU 支持
• MinerU Official 需要设置 MINERU_API_KEY 环境变量
• DeepSeek OCR 需要设置 SILICONFLOW_API_KEY 环境变量
• RapidOCR 适合 CPU 环境和基础识别需求