AI Agent Support Service

为 AI Agent 提供各种实用工具的 FastAPI 服务。目前支持 PDF 处理和版面解析功能。

功能特性

PDF 处理

• PDF 转图像：将 PDF 每页转换为高质量 PNG 图像
• OCR 方向校正：自动检测并校正图像中文字的方向
• 自定义 DPI：支持指定输出图像的分辨率
• 图像拼接：支持将多页 PDF 拼接为长图

版面解析

• 多格式支持：支持图像（JPEG、PNG、GIF、WebP、BMP、TIFF）和 PDF 文件
• Markdown 输出：将文档内容解析为结构化的 Markdown 格式
• 表格识别：支持复杂表格的识别和转换
• 多种输入方式：支持 URL、Base64 编码和文件上传
• 自动 Base64 转换：URL 输入会自动下载并转换为 Base64，避免网络访问问题

项目结构

AIAgentSupportService/
├── app/
│   ├── routers/
│   │   ├── __init__.py
│   │   ├── pdf.py              # PDF 处理路由
│   │   └── layout_parsing.py   # 版面解析路由
│   ├── services/
│   │   ├── __init__.py
│   │   ├── pdf_converter.py    # PDF 转换服务
│   │   └── layout_parsing_service.py  # 版面解析服务
│   ├── __init__.py
│   └── main.py
├── static/              # 生成的图像存储目录
├── uploads/             # 上传的文件临时存储目录
├── docker-compose.yml
├── docker-compose.yml.example
├── Dockerfile
├── openapi.yaml         # OpenAPI 规范文档
├── requirements.txt
└── README.md

环境要求

• Docker
• Docker Compose

快速开始

1. 克隆项目

cd AIAgentSupportService

2. 配置环境变量

复制示例配置文件并修改：

cp docker-compose.yml.example docker-compose.yml

编辑 docker-compose.yml，配置版面解析 API 地址：

environment:
  - LAYOUT_PARSING_API_URL=http://your-api-server:port/v2/models/layout-parsing/infer

3. 启动服务

docker-compose up --build

服务将在 http://localhost:8000 启动。

4. 查看 API 文档

访问 http://localhost:8000/docs 查看 Swagger UI 文档。

API 使用指南

PDF 处理

处理 PDF 并返回图片 URL

curl -X POST "http://localhost:8000/api/v1/process-pdf/" \
     -F "file=@/path/to/document.pdf" \
     -F "dpi=300"

响应示例：

{
  "message": "PDF processed successfully",
  "image_urls": [
    "http://localhost:8000/static/document_page_1.png",
    "http://localhost:8000/static/document_page_2.png"
  ]
}

处理 PDF 并返回拼接长图

curl -X POST "http://localhost:8000/api/v1/process-pdf-stitched/" \
     -F "file=@/path/to/document.pdf" \
     -F "dpi=300"

版面解析

方式一：JSON 请求（推荐）

通过 URL 或 Base64 编码调用：

curl -X POST "http://localhost:8000/api/v1/layout-parsing/" \
     -H "Content-Type: application/json" \
     -d '{
       "file": "http://example.com/document.png",
       "prettify_markdown": true
     }'

响应示例：

{
  "log_id": "550e8400-e29b-41d4-a716-446655440000",
  "markdown_results": [
    {
      "text": "# 文档标题\n\n这是文档内容...",
      "is_start": true,
      "is_end": true
    }
  ],
  "data_info": {
    "width": 2481,
    "height": 3508,
    "type": "image"
  },
  "full_markdown": "# 文档标题\n\n这是文档内容..."
}

方式二：文件上传

直接上传文件进行解析：

curl -X POST "http://localhost:8000/api/v1/layout-parsing/upload/" \
     -F "file=@/path/to/document.png"

方式三：仅返回 Markdown

简化版接口，只返回 Markdown 文本：

curl -X POST "http://localhost:8000/api/v1/layout-parsing/markdown-only/" \
     -H "Content-Type: application/json" \
     -d '{"file": "http://example.com/document.png"}'

响应示例：

{
  "log_id": "550e8400-e29b-41d4-a716-446655440000",
  "full_markdown": "# 文档标题\n\n这是文档内容...",
  "page_markdowns": [
    {
      "page_index": 0,
      "markdown": "# 文档标题\n\n这是文档内容..."
    }
  ],
  "total_pages": 1
}

版面解析参数说明

参数	类型	说明
file	string	图像/PDF 的 URL 或 Base64 编码内容（必填）
api_url	string	版面解析 API 地址（可选，默认从环境变量读取）
file_type	integer	文件类型：0=PDF，1=图像（可选，自动推断）
visualize	boolean	是否返回可视化结果（默认 false）
prettify_markdown	boolean	是否美化 Markdown 输出（默认 true）
use_layout_detection	boolean	是否使用版面检测
use_chart_recognition	boolean	是否使用图表识别
merge_layout_blocks	boolean	是否合并版面块

停止服务

docker-compose down

本地开发

不使用 Docker 运行：

# 安装依赖
pip install -r requirements.txt

# 设置环境变量
export LAYOUT_PARSING_API_URL="http://your-api-server:port/v2/models/layout-parsing/infer"

# 启动服务
uvicorn app.main:app --host 0.0.0.0 --port 8000 --reload

注意事项

1. 版面解析 API 配置：需要配置 LAYOUT_PARSING_API_URL 环境变量指向远程版面解析服务
2. 文件大小限制：PDF 文件默认只处理前 10 页
3. 支持的图像格式：JPEG、PNG、GIF、WebP、BMP、TIFF
4. 自动 Base64 转换：传入 URL 时，服务会自动下载并转换为 Base64，避免远程 API 网络访问问题