mirror of
https://github.com/kossakovsky/n8n-install.git
synced 2026-03-07 14:23:08 +00:00
240 lines
11 KiB
YAML
240 lines
11 KiB
YAML
pipeline_name: PP-ChatOCRv4-doc
|
||
|
||
use_layout_parser: True
|
||
|
||
use_mllm_predict: True
|
||
|
||
SubModules:
|
||
LLM_Chat:
|
||
module_name: chat_bot
|
||
model_name: ernie-3.5-8k
|
||
base_url: "https://qianfan.baidubce.com/v2"
|
||
api_type: openai
|
||
api_key: "api_key" # Set this to a real API key
|
||
|
||
LLM_Retriever:
|
||
module_name: retriever
|
||
model_name: embedding-v1
|
||
base_url: "https://qianfan.baidubce.com/v2"
|
||
api_type: qianfan
|
||
api_key: "api_key" # Set this to a real API key
|
||
|
||
MLLM_Chat:
|
||
module_name: chat_bot
|
||
model_name: PP-DocBee
|
||
base_url: "http://127.0.0.1:8080/v1/chat/completions"
|
||
api_type: openai
|
||
api_key: "api_key"
|
||
|
||
PromptEngneering:
|
||
KIE_CommonText:
|
||
module_name: prompt_engneering
|
||
task_type: text_kie_prompt_v2
|
||
|
||
task_description: '你是一个信息提取助手，你的任务是从OCR结果中提取每一个问题的答案。
|
||
|
||
请注意：问题可分为两类，你需要**根据问题的语义自动判断任务类型**，并分别使用以下规则：
|
||
|
||
1. **摘录型问题（适用于法规、定义、条款、原句类问题）**
|
||
- 特征：问题中常出现“是什么”“内容是什么”“规定是什么”等；
|
||
- 要求：答案必须**逐字摘录自 OCR 文本**，不可改写或简化。
|
||
|
||
2. **问答型问题（适用于需要计算、推理、提取数字信息的问题）**
|
||
- 特征：问题中含“多少”“增长了多少”“是多少元”等；
|
||
- 要求：可以基于 OCR 文本进行**理解、补全和单位推理**，但需严格以 OCR 信息为依据，不得引入外部常识或主观猜测。
|
||
|
||
OCR识别结果使用```符号包围，按图片中从左至右、从上至下排序。
|
||
问题列表使用[]符号包围。'
|
||
|
||
output_format: '输出以 JSON 格式返回，key 为问题内容，value 为对应答案。
|
||
- 所有答案必须是完整、可理解的语句或片段；
|
||
- 若 OCR 中无法确定答案，请将 value 设为 "未知"；
|
||
- 严格使用 "未知"，不允许使用 null、空字符串、"-" 等其他表示形式。'
|
||
|
||
rules_str: '通用规则：
|
||
1. **内容来源与完整性**
|
||
- 所有问题的答案必须**完全依据表格中的内容**进行作答；
|
||
- 回答时应**尽可能详细和完整**，不得省略或自行补充未在表格中明确出现的信息；
|
||
- 保持**原文的格式、数字、正负号、单位、符号和标点符号**完全一致。
|
||
|
||
2. **标点规范**
|
||
- 如果原文答案句末带有标点符号（如句号、逗号、分号等），请**保留并添加在答案结尾**。
|
||
3. **单位补全要求**
|
||
- 由于评测可能涉及单位识别，**答案中的所有数字后必须添加单位**；
|
||
- 如果原文上下文中已明确提供单位，**请直接使用该单位**；
|
||
- 如果上下文中未出现单位，**请你根据语义补充一个合理的常见单位**，如“个”“项”“次”“年”“元”等；
|
||
- 对于比率或百分比，请**务必添加“%”符号**；
|
||
- **禁止省略单位**，也不得以“无单位”或空字符串代替；
|
||
- 添加单位时，**直接紧跟在数字后，不允许加括号、引号或任何额外标注符号**。
|
||
|
||
4. **上下文语义保持**
|
||
- 请严格遵循原文语义；
|
||
- 如果原文描述为“在30分钟内完成”，请**完整回答“在30分钟内完成”**，而**不是简化为“30分钟”**；
|
||
- 不可断章取义、丢失时间、条件或限制性描述。
|
||
5. 如无法确定答案，必须填“未知”。
|
||
摘录型补充规则：
|
||
- 答案必须逐字摘抄自 OCR 文本；
|
||
- 不得缩写、改写或断章取义。
|
||
问答型补充规则：
|
||
- 可以合理组合 OCR 中的多个片段；
|
||
- 可进行单位补全和数值归纳；
|
||
- 不得引入非文本来源内容。'
|
||
few_shot_demo_text_content:
|
||
few_shot_demo_key_value_list:
|
||
|
||
KIE_Table:
|
||
module_name: prompt_engneering
|
||
task_type: table_kie_prompt_v2
|
||
|
||
task_description: '你现在的任务是从输入的html格式的表格内容中提取问题列表中每一个问题的答案。
|
||
表格内容使用```符号包围，我指定的问题列表使用[]符号包围。'
|
||
|
||
output_format: '在返回结果时使用JSON格式，包含多个key-value对，key值为我指定的问题，value值为该问题对应的答案。
|
||
如果认为表格内容中，对于问题key，没有答案，则将value赋值为"未知"。请只输出json格式的结果，
|
||
并做json格式校验后返回，不要包含其它多余文字！'
|
||
|
||
rules_str: '通用规则：
|
||
1. **内容来源与完整性**
|
||
- 所有问题的答案必须**完全依据表格中的内容**进行作答；
|
||
- 回答时应**尽可能详细和完整**，不得省略或自行补充未在表格中明确出现的信息；
|
||
- 保持**原文的格式、数字、正负号、单位、符号和标点符号**完全一致。
|
||
|
||
2. **标点规范**
|
||
- 如果原文答案句末带有标点符号（如句号、逗号、分号等），请**保留并添加在答案结尾**。
|
||
3. **单位补全要求**
|
||
- 由于评测可能涉及单位识别，**答案中的所有数字后必须添加单位**；
|
||
- 如果原文上下文中已明确提供单位，**请直接使用该单位**；
|
||
- 如果上下文中未出现单位，**请你根据语义补充一个合理的常见单位**，如“个”“项”“次”“年”“元”等；
|
||
- 对于比率或百分比，请**务必添加“%”符号**；
|
||
- **禁止省略单位**，也不得以“无单位”或空字符串代替；
|
||
- 添加单位时，**直接紧跟在数字后，不允许加括号、引号或任何额外标注符号**。
|
||
|
||
4. **上下文语义保持**
|
||
- 请严格遵循原文语义；
|
||
- 如果原文描述为“在30分钟内完成”，请**完整回答“在30分钟内完成”**，而**不是简化为“30分钟”**；
|
||
- 不可断章取义、丢失时间、条件或限制性描述。
|
||
5. 如无法确定答案，必须填“未知”。
|
||
|
||
摘录型补充规则：
|
||
- 答案必须逐字摘抄自 OCR 文本；
|
||
- 不得缩写、改写或断章取义。
|
||
问答型补充规则：
|
||
- 可以合理组合 OCR 中的多个片段；
|
||
- 可进行单位补全和数值归纳；
|
||
- 不得引入非文本来源内容。
|
||
'
|
||
|
||
few_shot_demo_text_content:
|
||
few_shot_demo_key_value_list:
|
||
|
||
Ensemble:
|
||
module_name: prompt_engneering
|
||
task_type: ensemble_prompt
|
||
|
||
task_description: '你现在的任务是，对于一个问题，对比方法A和方法B的结果，选择更准确的一个回答。
|
||
问题用```符号包围。'
|
||
output_format: '请返回JSON格式的结果，包含多个key-value对，key值为我指定的问题，
|
||
value值为`方法A`或`方法B`。如果对于问题key，没有找到答案，将value赋值为"未知"。
|
||
请只输出json格式的结果，并做json格式校验后返回，不要包含其它多余文字！'
|
||
rules_str: '对于涉及数字的问题，请返回与问题描述最相关且数字表述正确的答案。
|
||
请特别注意数字中的标点使用是否合理。'
|
||
few_shot_demo_text_content:
|
||
few_shot_demo_key_value_list:
|
||
|
||
SubPipelines:
|
||
LayoutParser:
|
||
pipeline_name: layout_parsing
|
||
|
||
use_doc_preprocessor: True
|
||
use_general_ocr: True
|
||
use_seal_recognition: True
|
||
use_table_recognition: True
|
||
use_formula_recognition: False
|
||
|
||
SubModules:
|
||
LayoutDetection:
|
||
module_name: layout_detection
|
||
model_name: RT-DETR-H_layout_3cls
|
||
model_dir: null
|
||
|
||
SubPipelines:
|
||
DocPreprocessor:
|
||
pipeline_name: doc_preprocessor
|
||
use_doc_orientation_classify: True
|
||
use_doc_unwarping: True
|
||
SubModules:
|
||
DocOrientationClassify:
|
||
module_name: doc_text_orientation
|
||
model_name: PP-LCNet_x1_0_doc_ori
|
||
model_dir: null
|
||
DocUnwarping:
|
||
module_name: image_unwarping
|
||
model_name: UVDoc
|
||
model_dir: null
|
||
|
||
GeneralOCR:
|
||
pipeline_name: OCR
|
||
text_type: general
|
||
use_doc_preprocessor: False
|
||
use_textline_orientation: True
|
||
SubModules:
|
||
TextDetection:
|
||
module_name: text_detection
|
||
model_name: PP-OCRv4_server_det
|
||
model_dir: null
|
||
limit_side_len: 960
|
||
limit_type: max
|
||
max_side_limit: 4000
|
||
thresh: 0.3
|
||
box_thresh: 0.6
|
||
unclip_ratio: 1.5
|
||
TextLineOrientation:
|
||
module_name: textline_orientation
|
||
model_name: PP-LCNet_x1_0_textline_ori
|
||
model_dir: null
|
||
batch_size: 6
|
||
TextRecognition:
|
||
module_name: text_recognition
|
||
model_name: PP-OCRv4_server_rec_doc
|
||
model_dir: null
|
||
batch_size: 6
|
||
score_thresh: 0.0
|
||
|
||
TableRecognition:
|
||
pipeline_name: table_recognition
|
||
use_layout_detection: False
|
||
use_doc_preprocessor: False
|
||
use_ocr_model: False
|
||
SubModules:
|
||
TableStructureRecognition:
|
||
module_name: table_structure_recognition
|
||
model_name: SLANet_plus
|
||
model_dir: null
|
||
|
||
SealRecognition:
|
||
pipeline_name: seal_recognition
|
||
use_layout_detection: False
|
||
use_doc_preprocessor: False
|
||
SubPipelines:
|
||
SealOCR:
|
||
pipeline_name: OCR
|
||
text_type: seal
|
||
use_doc_preprocessor: False
|
||
use_textline_orientation: False
|
||
SubModules:
|
||
TextDetection:
|
||
module_name: seal_text_detection
|
||
model_name: PP-OCRv4_server_seal_det
|
||
model_dir: null
|
||
limit_side_len: 736
|
||
limit_type: min
|
||
max_side_limit: 4000
|
||
thresh: 0.2
|
||
box_thresh: 0.6
|
||
unclip_ratio: 0.5
|
||
TextRecognition:
|
||
module_name: text_recognition
|
||
model_name: PP-OCRv4_server_rec_doc
|
||
model_dir: null
|
||
batch_size: 1
|
||
score_thresh: 0 |