LocalOCR

为纯文本 LLM 提供完全本地的 OCR 能力。PaddleOCR-VL 第一梯队引擎，tesseract 回退。图片永不出机器。

English · 安装指南 · CLI 手册 · 排障 · 输出契约 · 安全

LocalOCR 给纯文本模型（DeepSeek、GLM 等）装上真正的 OCR 视觉，完全在你自己的机器上运行。它用第一梯队模型 PaddleOCR-VL-1.6（版面分析 + VLM：文本、表格、公式、图表——OmniDocBench 评测 SOTA）读取本地图片，并可在需要轻量方案时回退到 tesseract。

• 本地优先设计。 无需 API key、无云端、无网络。图片永不离开你的机器。
• 第一梯队引擎。 PaddleOCR-VL-1.6 量化后经 llama.cpp 运行——6GB 显存即可舒适运行。
• 证据而非猜测。 完整转录 + 阅读顺序版面区域 + 逐块坐标 + 置信度，同时保存为 Markdown 和结构化 JSON。
• dsh 即插即用。 一行插件配置即可注册 ocr 工具，纯文本 DeepSeek Harness 模型可直接调用。

安装（DeepSeek Harness）

dsh plugin --profile web add local-ocr-cli

重启 dsh 后，ocr 工具出现在每次请求中。

安装（其他环境）

见 INSTALL.md——Node CLI 加 Python 引擎（PaddleOCR-VL venv + llama.cpp GGUF 服务，tesseract 可选）。

发布（维护者）

npm 发布通过 Trusted Publishing（OIDC） 完全自动化——无需令牌、无需 2FA 提示、自动生成 provenance。推送 vX.Y.Z tag 触发 .github/workflows/release.yml，执行 typecheck + test + build 后 npm publish --provenance。

npm version patch        # 升版本并打 vX.Y.Z tag
git push --tags          # GitHub Actions 自动发布到 npm

使用

local-ocr analyze shot.png --engine paddleocr --json
local-ocr analyze invoice.jpg --engine tesseract
local-ocr doctor

输出：JSON，含 text（Markdown 转录）、saved_to（md 文件）、json_to（结构化 JSON：带 bbox/order 的文本块、带置信度的版面框）。详见输出契约。

引擎

引擎	说明	依赖
paddleocr（默认）	PaddleOCR-VL-1.6：版面 + VLM，SOTA	Python venv + llama.cpp GGUF 服务
tesseract	经典 OCR，轻量	tesseract 二进制

两者均本地运行。local-ocr doctor 检查可用性。

示例

demo	展示内容
日本投降书	1945 年密集历史文档：印刷条款 + 手写签名 + 多国签署区；33 个结构化文本块、39 个版面框
金刚经书法	宋代竖排繁体书法，正确按列读序识别

文档

文档	何时阅读
CLI 手册	全部参数与子命令
配置	搭建引擎
排障	运行失败时
能力边界	引擎能读什么、不能读什么
输出契约	消费 JSON
安全	LocalOCR 永远不会做什么

许可证

MIT