OCR 智能體應(yīng)用背景

企業(yè)在日常運(yùn)營(yíng)中面臨合同、票據(jù)、手寫(xiě)筆記等多種文檔的處理需求，這些文檔常以圖片或掃描件形式存在，文字提取困難，嚴(yán)重制約數(shù)字化管理效率。

為解決上述問(wèn)題，本文介紹一套簡(jiǎn)單高效的解決方案：通過(guò) dify 工作流快速搭建 OCR 智能體，進(jìn)行文字識(shí)別。

先來(lái)看一下搭建好的工作流使用流程：用戶上傳待識(shí)別的圖片或文檔，工作流會(huì)調(diào)用本地部署的 OCR 服務(wù)完成識(shí)別工作，并將提取的內(nèi)容轉(zhuǎn)換成 Markdown 文檔。

OCR 智能體搭建流程

step1：本地部署 dify

因?yàn)槲覀円ㄟ^(guò)工作流的方式使用 OCR 服務(wù)，因此需要現(xiàn)在本地完成 dify 的部署，部署流程相對(duì)簡(jiǎn)單，直接參考 dify 官方文檔(https://github.com/langgenius/dify)即可，推薦使用 docker 進(jìn)行部署。

step2：在 dify 插件市場(chǎng)中，安裝澎峰科技“OCR 識(shí)別服務(wù)”插件

本文中介紹的 OCR 工具，我們已發(fā)布到 dify 的插件市場(chǎng)，源代碼可在 github 項(xiàng)目主頁(yè)(https://github.com/PerfXLab/dify-plugin-ocr-service)找到，要在 dify 中使用該工具，只需在插件市場(chǎng)中搜索“OCR”并安裝該插件即可：

step3：在 dify 中搭建工作流，并引入 OCR 工具

1.在 dify 中“創(chuàng)建空白應(yīng)用”，選擇“工作流”

2.對(duì)工作流進(jìn)行編排：

開(kāi)始節(jié)點(diǎn)中加入“file”字段

“OCR 轉(zhuǎn) Markdown 工具”節(jié)點(diǎn)中填入相關(guān)信息

其中，“上傳文件”中填入“開(kāi)始”節(jié)點(diǎn)輸出的內(nèi)容，OCR 接口地址填入本地搭建的 OCR 服務(wù)，OCR 服務(wù)本地搭建將在下一步驟中介紹- “結(jié)束”節(jié)點(diǎn)中填入上一節(jié)點(diǎn)輸出的文件

step4：在本地搭建 OCR 服務(wù)

目前 OCR 任務(wù)主流實(shí)現(xiàn)方案有兩種：使用傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)模型或多模態(tài)大模型進(jìn)行處理，前者識(shí)別速度快、消耗資源少，而后者識(shí)別精度和魯棒性更好，但對(duì)算力要求較高。本文介紹一種基于卷積神經(jīng)網(wǎng)絡(luò)的方案，利用第三方工具快速在本地運(yùn)行。

搭建流程：

1.安裝第三方OCR服務(wù)：pip install marker-pdf[full]

2.安裝API服務(wù)：pip install -U uvicorn fastapi python-multipart

3.啟動(dòng)OCR服務(wù)：marker_server --host 0.0.0.0 --port 8001

完成上述操作后，即可使用 dify 工作流進(jìn)行 OCR 識(shí)別服務(wù)。

私有化部署方案：澎峰科技大模型一體機(jī)

前述方案采用的輕量化模型，優(yōu)勢(shì)在于資源消耗低，在 CPU 環(huán)境下即可流暢運(yùn)行。然而，對(duì)于金融、法律等領(lǐng)域中，部分文檔的識(shí)別精準(zhǔn)度和版面還原度有更高要求的場(chǎng)景，采用多模態(tài)大模型進(jìn)行處理會(huì)是更優(yōu)選擇。多模態(tài)大模型雖然能帶來(lái)更高的識(shí)別精度與魯棒性，但其對(duì)算力資源的要求也相應(yīng)更高。

為滿足企業(yè)對(duì)高性能、數(shù)據(jù)私有化的需求，澎峰科技推出DeepFusion 系列 AI 一體機(jī)，為企業(yè)智能化轉(zhuǎn)型提供一站式本地化部署解決方案。

該方案深度融合了業(yè)界領(lǐng)先的 DeepSeek、Qwen 等系列大模型，確保企業(yè)數(shù)據(jù)在本地處理，安全無(wú)虞，完美適配復(fù)雜的辦公自動(dòng)化、數(shù)據(jù)分析與智能客服等場(chǎng)景。

旗艦性能，應(yīng)對(duì)復(fù)雜需求：目前已發(fā)布的 DeepFusion DF110、DF210 一體機(jī)，支持部署 DeepSeek 滿血版、Qwen3-235B 等尖端大模型，推理性能強(qiáng)勁，能夠從容應(yīng)對(duì)最復(fù)雜的辦公需求。

高性價(jià)比，賦能中小企業(yè)：我們深知，高效的AI應(yīng)用同樣可以在中小規(guī)模模型上實(shí)現(xiàn)。為此，澎峰科技推出了 DeepFusion DF50 一體機(jī)。該機(jī)型針對(duì) 30B 及以下規(guī)模的高效模型進(jìn)行了深度推理優(yōu)化，實(shí)現(xiàn)了卓越性能與高性價(jià)比的平衡，旨在助力更多中小企業(yè)輕松實(shí)現(xiàn) AI 轉(zhuǎn)型。