feat: require offline PaddleOCR model assets

2026-09-25 11:40:42 +08:00
parent 1dddceefc7
commit 1605ae6410
5 changed files with 34 additions and 5 deletions
@@ -59,7 +59,7 @@ EMBEDDING_MODEL_VERSION=your-package-version

 `EMBEDDING_MODEL_VERSION` 会写入每个评分批次快照。若模型目录缺失或内容不完整，导入仍可完成，知识库入库和评分会显示错误。可离线分发 `docker save` 生成的镜像包及单独的 `models-bge-m3.tar.zst`；目标机执行 `docker load -i docker-images.tar` 后解压模型包，运行相同的 Compose 配置。

-扫描 PDF 的 OCR 使用 PaddleOCR；需在离线环境准备其运行所需的 OCR 模型缓存。没有 OCR 模型且 PDF 无可提取文字时，文件进入解析失败状态并显示原因。
+扫描 PDF 的 OCR 使用 PaddleOCR。离线 OCR 包放在 `models/ocr/detection/` 和 `models/ocr/recognition/`，或修改 `OCR_MODEL_DIR` 指向包含这两个子目录的位置。没有 OCR 模型且 PDF 无可提取文字时，文件进入解析失败状态并显示原因；系统不会在解析时自动下载 OCR 模型。

 ## 教师操作