kongdeqiang
2026-10-12 7c687dd3c8fba9f7632f5e29d94a708e5f497abd
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
package com.custom.webui.dto.resp;
 
import lombok.Data;
 
import java.util.ArrayList;
import java.util.List;
 
/**
 * 图片文字识别结果。
 *
 * <p>用于「对话时上传图片」:前端上传图片 → 后端调 Python OCR →
 * 把识别出的文字作为上下文拼进 prompt 发给大模型。
 *
 * <p>之所以走「先 OCR 再喂文本」而不是「把图片直接给模型」:
 * 当前配置的 Ollama 模型(如 qwen2.5:7b)是纯文本模型,不支持图像输入。
 * OCR 这条路对所有模型都通用,也是「让大模型读懂截图」最省事的做法。
 * 若将来换用视觉模型(如 qwen2.5-vl),可以在此基础上扩展成直接传图。
 */
@Data
public class OcrResultDTO {
 
    /** 原始文件名 */
    private String filename;
 
    /** 识别出的完整文本(各文本块按阅读顺序换行拼接) */
    private String text;
 
    /** 识别到的文本块,含包围盒与置信度,供前端在图上标注 */
    private List<Block> blocks = new ArrayList<>();
 
    /** 实际使用的 OCR 引擎:vision / rapidocr */
    private String engine;
 
    private Integer imageWidth;
 
    private Integer imageHeight;
 
    private Integer charCount;
 
    private Long elapsedMs;
 
    /** 上传后的文件 id(若图片已存入 upload_file) */
    private Long fileId;
 
    /** 图片访问地址,供前端在消息里显示原图 */
    private String imageUrl;
 
    /** 单个文本块 */
    @Data
    public static class Block {
        private String text;
        private Double confidence;
        /** 包围盒 [x1, y1, x2, y2] */
        private List<Double> box;
    }
}