dsh-paddle-ocr

DSH 插件：百度 PaddleOCR-VL 文档布局解析。把 PDF / 图片逐页解析为 Markdown （文字 + 图片落盘），提供三个宿主工具、一个浏览器配置卡和一个任务面板。

• 宿主工具（agent 可用）：
  • paddle_ocr_layout(file, {mode, fileType, orientation, unwarping, chart, visualize, outputDir}) —— 逐页解析落盘（doc_N.md + 图片），默认异步模式；超限 PDF 自动拆分； 队列满（10010）自动指数退避重试（最多 5 次），最终仍满则给出友好排队提示。
  • paddle_ocr_test() —— 用内置小测试图验证 token 与接口连通性（✅/❌ + 详情）。
  • paddle_split_pdf(file, {maxPages, outputDir}) —— 手动拆分超限 PDF。
• 浏览器 UI：
  • 设置 → 插件 → PaddleOCR 卡片：API token（只进 DSH 凭据保险箱，永不回传、 输入框常空、只显示“已配置”徽章）、[测试连接] 按钮、处理默认值（异步/同步、 方向矫正、展平、图表识别、可视化标注图）。
  • 右下角任务面板：拖入/选择文件 → 进度条（排队中 / 解析第 x 页 / 下载图片）→ 结果页签（Markdown 预览 + 图片缩略图）→ [落到工作区]。队列满（10010）渲染为 “当前排队中（稍后重试）”按钮，而不是错误字符串。

安装

# 在 DSH 部署机上，把本包加入 web profile（同时打进 host 组合与浏览器 bundle）
dsh plugin --profile web add link:/path/to/dsh-paddle-ocr

插件自带 dsh.bundle.patch（组合插入行）与 dsh.client 声明；dsh plugin 会自动 把包名加入 dsh.profile.bundles。重启 dsh web 后生效。

获取 API token

1. 打开星河社区 https://aistudio.baidu.com/paddleocr/task；
2. 登录后进入 个人中心 → 访问令牌（token）；
3. 复制 token，粘贴到 设置 → 插件 → PaddleOCR 卡片，点保存，再点 [测试连接]。

也可以设置环境变量 PADDLE_OCR_TOKEN（环境变量优先、只读，卡片会显示只读徽章）。

⚠️ 安全提醒：请轮换你此前在 skill 仓库里使用过的 token。 本插件的前身（paddle-ocr skill）曾在 config.json 中以明文写入过一个 aistudio token 并进入 git 历史，视为已泄漏。请勿继续使用该 token： 到星河社区个人中心重新生成一个，并在该 skill 仓库中彻底删除旧文件、改写历史。 本插件从不把任何密钥写进代码、配置或日志——token 只存在于 DSH 凭据保险箱。

API 限制与行为

• 队列饱和是常态：提交返回 errorCode 10010（任务提交队列已满）时，工具与面板 都会指数退避重试（2s/4s/8s/16s…最多 5 次）；重试耗尽后给出明确“排队中”提示， 面板提供 [稍后重试] 按钮。
• 任务面板上传上限 30MB（回环 RPC 承载）；更大的文件请让 agent 用 paddle_ocr_layout 工具直接处理。

开发

npm install --legacy-peer-deps        # 安装依赖（DSH 包走 workspace 软链）
DSH_WORKSPACE_ROOT=/path/to/dsh-source node scripts/setup-dsh-workspace.mjs
npm run typecheck                     # 宿主 + 客户端类型检查
npm test                              # vitest 单测（重试/拆分/测试图）
npm run build                         # lib/index.js（宿主）+ lib/client.js（浏览器）

客户端 bundle 由 tsdown.config.ts 构建（CJS + __ModuleLoader__ 工厂）， CSS Modules 内联注入；宿主半是普通 tsc 输出。

License

BSD-3-Clause