367 lines
31 KiB
Markdown
367 lines
31 KiB
Markdown
# HTTP PaddleOCR-VL 实施与验证
|
||
|
||
## 状态
|
||
|
||
当前状态以 [2026-09-19 实现与验证](#2026-09-19-实现与验证)、[附件操作布局复验](#2026-09-19-附件操作布局复验)、[全局浮层复验](#2026-09-19-全局浮层复验)及[空正文与草稿恢复修正](#2026-09-19-空正文与草稿恢复修正)为准。
|
||
以下至“菜单核对检查”的内容是实施前历史记录，保留原日期与原调用数。
|
||
|
||
2026-09-18：完成规划文档和独立 HTTP 探索脚本。FR-H1 至 FR-H12 均未完成生产实现，
|
||
现有设置、解析器、数据库、界面与 Agent 未因本次任务改变。下一步实现顺序见
|
||
[技术设计](./http-paddleocr-vl-technical-design.md#实施与验证顺序)。
|
||
|
||
同日按用户确认补充 [PRD](./prd.md#131-范围与存储边界) 的会话文件资源、数据库关联、
|
||
生命周期及配置预览验收，并修正技术设计中复用聊天内联图片存储的建议。本轮仅修改文档，
|
||
未新增服务调用；此前探测记录和下述调用计数保持原意。当前聊天解析文本仍用于临时 contexts
|
||
与队列，长期附件保存、重启预览和队列资源恢复均待实现与产品验收。
|
||
|
||
2026-09-18 图片路由文档核对：新增 FR-I1 至 FR-I5 及对应场景、逻辑，目录规划见
|
||
[结果与资源](./http-paddleocr-vl-technical-design.md#结果与资源)。源码核对确认
|
||
`ContextManager.storeImage/enrichRequest` 已走图片请求且会转码 JPEG，队列序列化保存上下文；
|
||
这不等于原图文件持久化。`ModelRuntime` 有图片能力检查，IPC 的图片工具路径另有引用处理，
|
||
尚不能宣称所有 Runtime 已提供统一的不支持提示与 OCR 选择。`DocumentParsingService`
|
||
当前单独处理 PDF、PPTX，其他格式转原生解析；显式纯图片 OCR 入口仍待实现。
|
||
`KnowledgeService.managedRoot` 由 Main 配为 userData/knowledge，受管原件按库、来源保存。
|
||
本次仅更新既有文档，保留原有探索脚本和历史证据，未调用 OCR 或聊天模型服务。
|
||
|
||
2026-09-18 完整交互设计：新增 [UI 设计](./ui-design.md)，同步 FR-I5、图片 OCR 发送方式、
|
||
历史/队列输入冻结及对应故事、逻辑、技术契约。设置、三入口预览、文档选图到会话、无有效
|
||
会话时的选择/新建、独立副本、幂等与移除、共享附件限制及完整验收矩阵均已写入设计。
|
||
这些是文档完成项，FR-H1 至 FR-H12、FR-I1 至 FR-I5 的新增生产能力仍未完成。
|
||
|
||
源码核对：设置实际使用 `SettingsCategoryHeader` 和 Portal 诊断框；`App.tsx` 提供聊天
|
||
reading 与知识库 master-detail 壳层，KnowledgeWorkspace 不再嵌套壳层；共享
|
||
`PageTabs`、`SegmentedControl`、焦点辅助函数可复用。现有 MarkdownRenderer 的
|
||
`skipHtml` 不能直接覆盖 OCR 混合 HTML 图表，技术设计已明确适配工作。附件 8 项、Main
|
||
16 项/12 MiB 规则已存在但部分常量仍分散，设计要求集中复用，没有新增选图配额。
|
||
|
||
剩余实现与验证包括 HTTP 和认证、高级选项及有效跨页样例、资产与数据库引用、预览与
|
||
选图生产接线、本地/远端实际图片输入、取消重启和删除清理。按
|
||
[技术实施顺序](./http-paddleocr-vl-technical-design.md#实施与验证顺序)推进，不代表允许
|
||
分批缩减产品范围。本轮未修改产品代码或探索脚本，未新增网络请求或模型调用。
|
||
|
||
## 菜单核对
|
||
|
||
2026-09-19 对照当前工作区源码检查入口，未运行 Electron；以下为源码事实，不是新增功能验收。
|
||
目标规则由 [UI 设计](./ui-design.md#11-入口与职责)维护。
|
||
|
||
| 入口 | 当前实现与证据 | 与完整目标的差距 |
|
||
| --- | --- | --- |
|
||
| 设置 → 文档解析 | [分类定义](../../../src/renderer/src/settings-categories.ts)包含 `document-parsing`；[解析设置](../../../src/renderer/src/DocumentParsingSettingsSection.tsx)提供本地模型管理、场景测试及纯文本诊断预览 | HTTP 配置、正文/图片/详情共享预览尚未接入；当前没有可用远程来源切换控件 |
|
||
| 应用中心 → 本机推理监控 | [应用定义](../../../src/renderer/src/ApplicationCenter.tsx)仍为四项；[监控](../../../src/renderer/src/LocalInferencePage.tsx)显示本地服务并加载/释放 OCR | 不承担远程 OCR 配置或管理；关闭监控入口不等于关闭解析能力 |
|
||
| 监控 → 模型与连接设置 | [IPC](../../../src/main/ipc.ts)的 `localInferenceOpenSettings` 只发出无分类的 `settingsOpen`；[App](../../../src/renderer/src/App.tsx)仅打开设置，[SettingsPanel](../../../src/renderer/src/SettingsPanel.tsx)默认分类为 `runtime` | 文案与默认落点不一致，未直达模型或文档解析；本轮仅记录，产品跳转未修复 |
|
||
| 聊天附件 | App 的附件按钮直接选文件；当前卡片显示名称、容量、缩略图或图标、文本 tooltip 和移除 | 尚无逐附件更多菜单、显式 OCR、解析结果预览、重解析或文档选图 |
|
||
| 知识库文档 | 当时位于 `KnowledgeWorkspace.tsx` 的 DocumentsView 提供任务、打开来源、失败文档重试和分块管理；来源行另有同步，库页头另有“用于当前对话” | 解析文档详情、成功文档重解析及选图须新增，不能把分块管理 Modal 当作已有完整解析预览 |
|
||
| 新建选图目标会话 | App 的 `startNewConversation` 返回布尔值，拒绝消息通道项目，并在复用空会话或新建后切到聊天 | 预览保留、目标 ID 取得及返回确认仍需接线；直接调用不满足 US-I9 |
|
||
|
||
本轮更正文档中“既有文档详情”的描述，补齐菜单矩阵及 US-H16 / A-15；队列修改统一先
|
||
恢复到草稿，显式图片 OCR 的上传说明与快速模式区别保持一致。根 UI 规范与双语功能清单
|
||
同步标明本轮范围；本地 OCR 仍为现有能力，HTTP 和新附件流程仍为规划。
|
||
未修改产品代码、探索脚本或既有应用排序，OCR、文本及视觉模型调用均为 0。
|
||
|
||
2026-09-27 模块归属复核：上述表格保留实施前状态。当前
|
||
[DocumentsView](../../../src/renderer/src/knowledge-workspace/DocumentsView.tsx)
|
||
已从工作区入口拆出，提供解析预览、返回列表、重新解析及预览内选图；工作区入口保留库选择、
|
||
检索与分块管理。文档与来源统一列表的行为及验证见
|
||
[知识库进度](../knowledge-base/progress.md#2026-09-27-文档与来源统一列表)。
|
||
|
||
## 2026-09-19 实现与验证
|
||
|
||
HTTP PaddleOCR-VL 已接入 `DocumentParsingService` 的生产 PDF/PPTX 路径，设置支持来源切换、
|
||
Bearer 加密凭据、过滤、三态参数、跨页整理及连接诊断。新增会话文件资产、数据库归属、
|
||
可恢复草稿、历史预览、图片 OCR、选图独立副本、队列查看/恢复和解析中断记录。
|
||
知识库 managed/reference 派生资源单独保存，重解析成功才替换正文、chunks 和资源引用。
|
||
具体机制及设计差异见 [implementation.md](./implementation.md)。
|
||
|
||
### 验证层次
|
||
|
||
本轮 Windows x64、Electron 43.2.0、Node 24.18.0，使用当前工作区源码构建到
|
||
`node_modules/.document-e2e-out`，不覆盖其他运行中的 `out`，不改正式 profile。
|
||
测试保留 context isolation、sandbox 和禁用 Node integration，未改可信 sender 校验。
|
||
完整 App 的文件选择对话框由驱动返回合成 fixture；其余设置、解析、存储、预览和输入框
|
||
使用生产组件、preload 与 IPC。知识库批量生命周期部分通过生产 preload 调用，单独标注。
|
||
|
||
原始报告位于获准临时目录 `C:/Users/jiang/AppData/Local/Temp/opencode`。下表目录为该目录
|
||
的子目录；这些是本机取证路径，不是产品默认值。源码没有写入测试端点。
|
||
|
||
| 场景 | 层次及结果 | 证据目录 |
|
||
| --- | --- | --- |
|
||
| 自动/高保真扫描 PDF | 生产服务直调，无 OCR Broker 和本地权重；两页正文、两张内联插图，自动模式逐页渲染 | `document-production-XERonK` |
|
||
| 设置、测试、聊天附件、选图、显式 OCR | 完整 App；保存 HTTP 设置，HTML 表格、图片、测试隔离、文档选图、父附件独立移除、普通图片提取文字 | `document-app-GXKuZv` |
|
||
| 草稿及 OCR 结果重启 | 完整 App；两份草稿恢复、解析正文重开；重启没有 OCR 请求 | `document-app-MWn5Zn`、`document-app-GXKuZv` 的 restart 报告 |
|
||
| 实际输入框发送 | 完整 App；文档选图和 OCR 文本从 Composer 发送，回答 `Yellow`，草稿清空，历史预览存在 | `document-app-fuFTEY` |
|
||
| 已发送附件重启 | 完整 App；历史 OCR 正文包含合成金额，未重新解析 | `document-app-fuFTEY/restart-report.json` |
|
||
| managed/reference 导入、失败重解析、成功替换、删来源 | 当前 App 的生产 preload/IPC；两种模式各有两图四 chunks，故障注入为关闭的本机端口；失败保留 resultId/chunks，成功更换，删除不损坏会话图片 | `document-app-CBANUC`，前次 `document-app-n65dt4` |
|
||
| 解析中断恢复 | 完整 App 导入；驱动在 HTTP 发出前暂停并终止应用，重启显示中断，手动重试成功；未把暂停请求算作 OCR 调用 | `document-app-YmDUR9` |
|
||
| 队列能力失配、重启、恢复草稿 | 生产 IPC；首次暂扣 Renderer dispatch 以固定未执行队列状态，重启恢复真实分发；模型能力设为不支持图片，队列保留；附件恢复且文字合并，不重复排队 | `document-app-YyagTN` |
|
||
| 直连实际图片消费 | 当前生产 Main/IPC/ModelRuntime；观察 Provider 请求包含图片并收到 `Yellow` | `document-app-VmNZIG` |
|
||
| 托管 OpenCode 实际图片消费 | 当前 Desktop 至共享 Linux x64 Host；使用已有 Host 凭据和固定主机密钥，独立 `/root/tmp/goodbuddy-document-*` 目录；透传代理只计数与核对图片，Provider 返回 `Yellow` | `document-app-gzC5ZV` |
|
||
| 托管 OpenCode 文档选图发送 | 生产导入、持久化选图、移除父文档后发图；Provider 请求有图，回答 `Yellow`，测试目录回收 | 最终 `document-app-iZSxV8`，前次 `document-app-zqnBBt` |
|
||
| 跨页表格效果 | 生产解析服务；两页连续设备发票表从两个 HTML table 变为一个，32 个条目各出现一次；分组来源页为 `[1,2]` | `document-production-Twr0N4/report.json`、`table-check.json` |
|
||
| 图片文件与引用回收 | 真实 SQLite/文件测试；原字节、重启、共享消息引用、队列与草稿独立、数据库无原图 Base64、解析中断原件保留 | `conversation-attachment-storage.test.ts` |
|
||
| HTTP 认证及失败 | 真实 loopback HTTP fixture；生产客户端 Bearer、401、取消和 health/OpenAPI；公网/内网认证部署未测 | `http-document-ocr.integration.test.ts` |
|
||
|
||
HTTP OCR 本身只运行在 Desktop。未修改 Agent daemon、传输协议或远端 OCR 实现；远端验证
|
||
使用当前 Desktop 接入既有 Agent 图片链路，不将此次结果记作新 Agent 包发布或安装验收。
|
||
|
||
### 界面取证
|
||
|
||
`document-app-GXKuZv` 的视觉复验覆盖浅/深主题、约 1279×800、959×720、719×640、
|
||
680×561 CSS 像素及 200% 缩放下约 639×400。原生最小窗口限制使请求的 640×420 实际为
|
||
680×561，不能写作实际验证了 640×420。十组测量中页签未收缩、主体可滚动、操作区可见，
|
||
无横向溢出。原生 `Right` 和 `Escape` 通过；最初驱动用 `ArrowRight`，未产生 Electron
|
||
原生键事件，修正后复验。已打开审阅浅色窄窗口和深色 200% PNG。
|
||
|
||
诊断初次完整 App 截图发现 HTTP 被显示为“本地 OCR”、附件按钮继承固定 28px 宽度，
|
||
均已修正。测试菜单统一到分类页头，诊断关闭恢复测试按钮焦点。知识库使用详情/返回列表，
|
||
普通历史和队列分别只读；队列修改入口为“恢复到草稿”。
|
||
|
||
隔离生产构建启动有 4 条打包字体 data URI 被现有 CSP 阻止的控制台记录，本轮未修改字体或
|
||
CSP。截图使用系统字体回退可读；此项不能算作无控制台告警。
|
||
|
||
### 自动检查
|
||
|
||
最终完整 `npm test`：399 个文件通过、9 个跳过；4,779 项通过、67 项跳过，耗时 816.55 秒。
|
||
最新 `npm run typecheck`、`npm run lint` 通过。隔离 `electron-vite build` 通过，保留既有
|
||
workspace-management 动静态导入警告。没有提交或推送。
|
||
|
||
首次全仓运行有 9 项失败，其中 8 项是新增参数/schema 后的旧断言，1 项为并行画布导航的
|
||
Quill 加载失败；最终完整运行均已通过。中途一轮超过 240 秒工具期限，未产生完成报告，
|
||
不计为通过。其他聚焦失败包括新增测试缺少 cleanup、旧附件失效行为断言、诊断焦点返回，
|
||
均保留修正后的回归。
|
||
|
||
队列验证发现提前保存用户消息导致重启删除未执行队列的缺陷，已修正并复验。另有测试驱动
|
||
误读升级页首次 load、未等待菜单挂载、文本换行比较器使用了转义字符串等失败；这些没有
|
||
被记作产品已通过，最终队列证据采用 `document-app-YyagTN`。
|
||
|
||
### 调用计数与边界
|
||
|
||
按保存报告可核对 **28 次远程 layout、1 次 restructure、0 次远程 health/OpenAPI GET**。
|
||
另有一次表格测试被工具超时终止：设置已进入第二次 layout 阶段，可以确认它包含 2 次
|
||
layout，是否已经发出 restructure 缺少 dispatch 日志。故本轮已知 layout 合计 **30 次**；
|
||
restructure 可核对 1 次，另最多 1 次状态不明。未将 2026-09-18 探测计入本轮。
|
||
|
||
模型请求报告中可观察到 7 次 Provider dispatch，包含早期驱动提前退出/超时的 3 次。
|
||
`document-app-zMeC7X` 的远端调用不经过 Desktop fetch，另从 Agent 的操作 ID 记录确认
|
||
1 次已完成；完整 Composer 发送 `document-app-fuFTEY` 使用独立 Runtime，桌面 fetch 计数
|
||
不覆盖其内部 Provider 请求，已收到真实 `Yellow`，该次至少 1 次调用。
|
||
因此本轮可精确核对 **8 次模型请求，另有至少 1 次完整 UI Runtime 请求**；早期队列驱动
|
||
超时且缺少报告的轮次不能给出完整 Provider attempt 数。后续驱动在 dispatch 时单独写计数，
|
||
不以输入框提交数代替实际调用数。
|
||
|
||
未执行 macOS、Linux Desktop/arm64、本地 OCR 各档位、Continue/DeepSeek Harness 的本轮真实
|
||
图片消费；未验证方向分类、去扭曲、印章、图表和公式选项的效果，也未验证真实磁盘满场景。
|
||
跨页表格结论只覆盖上述连续表格，标题重定级没有独立有效样例。完整 App 的原生浏览器
|
||
遮挡没有在本轮单独实测，继续使用共享 Modal 遮挡机制及其既有回归。
|
||
|
||
上述未测项保留在验收矩阵，不能将 A-01 至 A-15 的全部分支写成已通过。
|
||
|
||
## 2026-09-19 附件操作布局复验
|
||
|
||
对应 FR-H12。检查实际工作区后保留已有 OCR、存储、预览与队列实现，修正草稿、历史消息
|
||
及队列预览的操作布局。查看结果与更多操作改为同排 32px 图标按钮，草稿移除使用同尺寸
|
||
叉号；保留含附件名的可访问名称、悬停提示和键盘聚焦说明。文件名省略，状态与大小可换行。
|
||
导入中的取消按钮也改为图标，进度卡使用三列，避免取消文字挤入固定宽度按钮。
|
||
|
||
文件名核对覆盖 `ContextManager` 导入、显式 OCR、重解析、`ConversationAttachmentStorage`
|
||
和结果清单。源码将 UUID 用于资源标识，显示名来自导入文件名；已有存储测试验证原名称在
|
||
重启后保留。本轮没有截图对应的原文件及记录，无法确认该 UUID 名称的来源，未作猜测性改名。
|
||
|
||
`AttachmentActions.test.tsx` 验证图标名称、预览关闭和菜单 Escape 焦点恢复、菜单方向键
|
||
及队列只读动作。`tests/attachment-layout.electron.test.ts` 加载生产 `ChatMessageRow`
|
||
与样式，在 Windows Electron 中验证浅/深主题、1000/720/360px 宽度及 200% 缩放；两个
|
||
操作均为 32px、同排，长文件名截断，卡片高度低于 110px，无页面横向溢出。原生 Tab、Space
|
||
打开菜单及 Escape 返回通过。此用例替代设置快照接口，不调用 OCR，不作为完整 App 解析验收。
|
||
|
||
新增 Electron 用例初次受系统缩放的亚像素取整影响，测得根容器宽 360.57px；驱动固定
|
||
device scale factor 后复验。驱动 Enter 未产生按钮激活，改用原生 Space 后菜单流程通过。
|
||
这些驱动失败未记作产品通过，也未通过修改页面溢出样式绕过测量。
|
||
|
||
定向 10 文件、116 项测试通过，覆盖 HTTP 客户端及 loopback、解析服务、设置、会话文件
|
||
存储、ContextManager、预览、附件操作及共享 UI。App 附件筛选的 3 项测试通过，包含导入
|
||
进度中的图标取消入口；新增 Electron 用例单独通过。最终
|
||
`npm run typecheck`、`npm run lint` 通过。`npm test` 完整运行 885.06 秒：400 个文件
|
||
通过、9 个跳过；4,782 项通过、67 项跳过。该运行启动时尚未创建新增 Electron 用例，
|
||
因此其通过结果单独记录；导入取消入口的最终改动由随后 App 定向测试覆盖。
|
||
日志仍有既有 jsdom Canvas 提示和测试临时仓库的换行提示，没有测试失败。
|
||
|
||
本轮未修改 Main、Preload、Agent 或 Runtime 请求链路，未发起真实 OCR、文本或视觉模型
|
||
请求。前轮实际调用与未测验收项仍以上节记录为准，不能由本次界面回归推断全部高级选项、
|
||
Runtime 组合和跨平台验收已完成。没有提交或推送。
|
||
|
||
复核前轮 `document-app-GXKuZv/report.json`、`document-app-fuFTEY/restart-report.json`
|
||
及 `document-app-iZSxV8/report.json`：设置和显式图片 OCR、重启后无 OCR 读取、远端图片
|
||
消费记录均为 passed。文档扫描无阻断项；复核候选为字段清单和验证边界，保留其事实限定。
|
||
|
||
## 复现
|
||
|
||
脚本为 [`scripts/paddleocr-vl-probe.mjs`](../../../scripts/paddleocr-vl-probe.mjs)，
|
||
使用 Node 内置 fetch 和已安装的 `@napi-rs/canvas`，不新增依赖。`--endpoint`、`--out`
|
||
必填，无产品地址默认值；`--out` 必须是已存在的临时或 Git 忽略目录，由调用者选择。
|
||
脚本在其中创建独占子目录，不覆盖历史运行。中文 fixture 需 Microsoft YaHei 或 Noto Sans
|
||
CJK SC；缺字体导致文字未绘制时中文断言会失败，先检查 `fixture.png`。
|
||
|
||
本次实际执行命令（地址仅是获准使用的测试目标）：
|
||
|
||
实测时脚本名为 `.cjs`；交付前按仓库脚本惯例改为 `.mjs`，只调整模块导入，复现时使用
|
||
下列最终路径。请求、fixture 和断言逻辑未变。
|
||
|
||
```powershell
|
||
node scripts/paddleocr-vl-probe.mjs --endpoint http://10.7.0.152:8080 --out C:/Users/jiang/AppData/Local/Temp/opencode --mode discover
|
||
node scripts/paddleocr-vl-probe.mjs --endpoint http://10.7.0.152:8080 --out C:/Users/jiang/AppData/Local/Temp/opencode --mode full --timeout-ms 60000
|
||
```
|
||
|
||
`discover` 执行 health、OpenAPI 共 2 个 GET；`full` 另执行 4 次 layout 请求和 2 次
|
||
restructure 请求。无自动重试，每请求默认超时 60 秒、最多 120 秒，响应流上限 32 MiB。
|
||
完整运行至多 8 个请求，默认最坏请求等待预算 480 秒；失败停止后续调用并写 report。
|
||
不读取用户资料、不使用凭据、不跟随重定向、不获取返回的图片 URL。
|
||
|
||
输出包括合成 PNG、两页纯图像 PDF、OpenAPI、选项 schema、各请求选项、逐页 Markdown、
|
||
摘要、解码后的插图与 `report.json`。摘要记录 HTTP 状态、耗时、页标签、图片格式、尺寸、
|
||
字节数、SHA-256 和页内引用对应关系，不输出 Base64 或返回 URL。Markdown 保留服务原文，
|
||
图片本地文件名映射在 `*-summary.json`；它不是已改写资源路径的产品预览。
|
||
|
||
## 实测结果
|
||
|
||
环境：Windows x64，Node 24.18.0。fixture 为 1200 × 1600 像素合成报告，包括中英文、
|
||
页眉页脚、页码、风景插画和两列表格；PDF 两页均为嵌入 JPEG，无原生文本层。与先前仅文字
|
||
PNG、文本 PDF 探测不同，本次验证了扫描型输入和插图输出。
|
||
|
||
最终运行目录：`C:/Users/jiang/AppData/Local/Temp/opencode/paddleocr-vl-L8LJIm`，
|
||
运行时间为 `2026-09-18T05:04:33.802Z`。23 项断言全部通过，8 个请求均 HTTP 200。
|
||
|
||
| 请求 | 选项差异 | 耗时 | 结果 |
|
||
| --- | --- | --- | --- |
|
||
| PNG 默认 | 省略 ignore labels，图片 true，可视化 false | 1439 ms | 804 字符，中文及金额正确；页眉页脚不进入 Markdown |
|
||
| PNG 保留标签 | `markdownIgnoreLabels: []` | 937 ms | 875 字符，页眉页脚可见 |
|
||
| PNG 排除正文 | `['text','header','footer','number']` | 931 ms | 696 字符，金额正文被排除；表格和插图保留 |
|
||
| 两页 PDF | 保留标签 | 2490 ms | 每页 875 / 847 字符，Page 1 / Page 2 顺序正确，均含表格和插图 |
|
||
| 重组关闭 | `mergeTables: false, relevelTitles: false` | 146 ms | 两页文字、图片引用保留 |
|
||
| 重组开启 | 两项均 true | 167 ms | 两页文字、图片引用保留，与关闭组 Markdown 相同 |
|
||
|
||
PNG 插图为裸 Base64 JPEG，解码后 899 × 482、23,708 字节；PDF 两页分别为
|
||
899 × 482、25,849 字节和 898 × 481、25,585 字节。未观察到 URL 或 data URI 图片；
|
||
这两种返回形式的分支尚无真实服务验收。Markdown 插图是 HTML `<img>`，表格是 HTML
|
||
`<table>`，不能只按 Markdown `![]()` 链接提取资源。
|
||
|
||
本次 `prunedResult` 没有 `page_index`，`page_count` 是 null。第一个 full 探测曾把
|
||
零起始 page_index 当断言，因此退出非零；服务请求本身全部成功。该运行同时发现默认
|
||
sans-serif fixture 没有显示中文。修正字体并将页码检查改为合成页标记顺序后完整复测。
|
||
第一次 full 的两页图片键相同，证实不能直接用 Provider 图片键作为文档级唯一标识。
|
||
|
||
## 调用计数
|
||
|
||
本轮实际发送：1 次 discovery 加 2 次 full，共 **6 个 GET、8 次 layout 推理请求、4 次
|
||
restructure 请求**；layout 输入共 10 页图像（每轮 3 张 PNG 加 2 页 PDF）。重组接口内部
|
||
是否另调用模型无法从客户端确认，以上计数为 HTTP 调用数。文本模型调用 0 次。
|
||
最初一次终端内联 Node 命令因 shell 转义在发请求前语法失败，不计为 HTTP 请求。
|
||
|
||
此前对话的探测记录另有 3 次成功 layout 请求（首次 PowerShell 图片请求、Node 双语 PNG、
|
||
两页文本 PDF），不包含在上述本轮计数；合并已知历史则为 11 次 layout、4 次 restructure，
|
||
历史 GET 数未追溯。
|
||
|
||
## 能力边界
|
||
|
||
已验证 FR-H3/FR-H4/FR-H7 对应的服务基础事实：图片字节、页内链接、表格结构、中英文、
|
||
页眉页脚过滤及有界报告。未完成这些需求的产品持久化、界面与端到端验收。
|
||
|
||
重组请求成功仅验证接口形状及图片传递。fixture 中虽然有“continued”表格，但开关前后
|
||
输出相同，不能证明真实跨页合并或标题重定级生效。方向分类、去扭曲、图表、印章、图片块
|
||
OCR、公式编号、输出格式等只发现 schema，未主动启用探测，详见
|
||
[参数矩阵](./http-paddleocr-vl-technical-design.md#高级参数)。
|
||
|
||
未测认证、HTTP 异常返回、服务端取消、大文件、并发、其他操作系统、原生/扫描混合页的
|
||
产品选页策略、PPTX HTTP 路径和图片生命周期。单次样例耗时不构成吞吐或质量基准。
|
||
测试产物留在独占临时目录供复核，未写入聊天或知识库。
|
||
|
||
## 检查
|
||
|
||
已运行脚本 `--help`、语法检查及上述真实 full 探测。最终 `.mjs` 的 `--help`、
|
||
`node --check`、`npx eslint scripts/paddleocr-vl-probe.mjs` 均通过；27 个相对文件链接及
|
||
锚点检查通过，`git diff --check` 无空白错误。
|
||
文档扫描的 2 个阻断候选均位于既有本地 OCR 文档（PRD 的按幻灯片计数、聊天技术说明的
|
||
Worker 整体回收），是具体实现对比，保留原文。本次新增内容没有阻断项；复核候选主要是
|
||
已测/未测边界、字段清单和生命周期规则，人工审阅后保留事实限制。
|
||
没有生产功能变更，不运行整个产品测试集。
|
||
|
||
2026-09-18 PRD 补充检查：7 份 Markdown 的 30 个相对文件链接及锚点通过，含未跟踪文档的
|
||
空白与冲突标记检查通过，相关 `git diff --check` 无空白错误。使用 deai-writing 扫描并人工
|
||
复核，新增内容无阻断项；既有的 2 处实现对比按上述理由保留。复核候选为参数清单、验收条件
|
||
和实现边界，未删除这些必要限定。本轮未运行产品测试或服务探测，未修改产品代码。
|
||
|
||
2026-09-18 图片路由补充检查：7 份 Markdown 的 36 个相对链接及锚点通过，含未跟踪文档的
|
||
空白与冲突标记检查通过，`git diff --check` 无空白错误。deai-writing 扫描仍为既有 2 个
|
||
阻断候选，按上述实现对比理由保留；79 个复核候选经通读核对，主要为参数枚举、验收和
|
||
能力限制，新增内容无阻断项。本轮未运行产品测试、真实服务调用或提交。
|
||
|
||
2026-09-18 完整 UI 文档检查：8 份 Markdown 的 58 个相对链接（其中 30 个含锚点）均通过；
|
||
17 项需求、27 个用户场景、14 条逻辑规则的 ID 引用有效，每项需求均有场景与逻辑追溯。
|
||
检查包含未跟踪文档的行尾空白、文件末尾换行及冲突标记，`git diff --check` 通过。
|
||
目标目录中的缩减交付和选图待定措辞已核对修正；技术实现顺序和未实测能力边界保留。
|
||
|
||
使用 `python -X utf8` 运行 deai-writing 的 `deai_scan.py docs/features/document-processing --ext .md`，
|
||
新增内容无阻断项；既有 2 处实现对比按此前记录的理由保留。人工复核参数清单、需求条件、
|
||
状态规则及否定句候选，保留防止误发、丢图、误删和夸大验证范围的明确限制。通读核对 UI
|
||
容器、选择/附加状态、原图/文字发送方式、资源归属和失败替换规则，未将设计计作生产完成。
|
||
本轮 OCR 请求、文本/视觉模型调用均为 0；未运行产品测试、构建或远端 Host 验证，未提交。
|
||
|
||
2026-09-19 菜单核对检查：文档处理目录及关联根文档、导航文档共 13 份 Markdown，185 个
|
||
相对链接和其中 70 个锚点均通过；含未跟踪文档的行尾空白、末尾换行和冲突标记检查通过。
|
||
`git diff --check` 通过。deai-writing 扫描文档处理目录仍为既有 2 个阻断候选，按前述具体
|
||
实现对比理由保留；新增内容无阻断项，复核项保留必要的能力边界和菜单状态限制。关联文档
|
||
新增段落经人工审校；本轮没有产品代码变更，未运行产品测试或实机菜单验收。
|
||
|
||
## 2026-09-19 全局浮层复验
|
||
|
||
修复前源码在 Electron 中复现：“测试解析”的 `AnchoredMenu` 层级为 129，低于设置
|
||
遮罩的 130；通知层级为 75，且仍在被设为 `inert` 的应用壳层内。两者的鼠标命中均失败。
|
||
共享修复及后续约束见[复发缺陷规则](../../quality/recurring-defects.md#modal-内的菜单与通知被遮挡或隔离)。
|
||
|
||
- `FloatingPortal.test.tsx` 覆盖 Modal 切换时保持同一通知宿主和内容、焦点循环及菜单归属。
|
||
- `overlay-layering.electron.test.ts` 使用生产组件与受控 IPC，验证浅/深主题下的
|
||
1280×800、960×720、720×640、640×420；包含通知在 Modal 前/后出现、点击关闭、
|
||
Tab/Shift+Tab/Escape、解析场景菜单与二级结果、应用中心、本机推理监控和原生 `dialog`。
|
||
- 完整 App 使用当前 Main、Preload、Renderer 的独立构建及空白 profile，从侧栏设置入口
|
||
修改最大页数为 99，确认生产读取值及成功通知；原生鼠标点击“测试解析”菜单后，生产 IPC
|
||
解析本地 TXT，结果展示 70 字符，Escape 逐层关闭并恢复焦点。仅文件选择器返回合成文件；
|
||
未替换解析、保存或通知。模型及 OCR 服务调用均为 0。
|
||
- 已通过图片读取工具逐张审阅 fixture 的 16 张 `light/dark-宽度-menu/notification.png`，
|
||
以及完整 App 的保存通知、测试菜单和解析结果三张 PNG；文案、主题、菜单与通知层级正常。
|
||
|
||
临时证据位于批准目录下的 `overlay-baseline-0919`、`overlay-layering-0919` 和
|
||
`overlay-full-app-0919-r2`。完整 App 首轮因驱动选择器错误失败，修正后通过；仍记录到
|
||
4 条既有 data-font CSP 警告。本轮实际 UI 环境为 Windows x64、Electron 43.2.0，
|
||
未验证 macOS、Linux 或辅助技术的实际语音播报。
|
||
本轮临时 profile、基线缓存和独立构建已清理，保留脚本、脱敏报告、源码/产物哈希及截图。
|
||
|
||
最终 `npm test`：403 个文件通过、9 个跳过，4,793 项通过、67 项跳过，耗时 909.69 秒。
|
||
`npm run typecheck`、`npm run lint` 及隔离目录的 Electron Vite 生产构建通过；
|
||
相关文档的 48 个相对文件链接有效，`git diff --check` 通过。
|
||
|
||
## 2026-09-19 空正文与草稿恢复修正
|
||
|
||
对应 L-I3、L-H7、L-H8。修复前已复现：无识别文字、有效插图与缺图警告并存时，
|
||
警告被当作正文，显式提取后请求没有原图；队列恢复等待期间输入的文字也会被旧草稿覆盖。
|
||
实现和判定归属见[生产实现说明](./implementation.md)，未增加持久状态或修改数据 schema。
|
||
|
||
- 解析、结果完整程度和 HTTP Provider 共用提取正文判定。8 个解析/存储/共享 UI 测试文件
|
||
203 项通过，其中 loopback HTTP 回归覆盖缺图警告、正文存在与否及保存后的 `images-only`。
|
||
- 生产 `App` 的 6 项回归通过，覆盖空草稿、已有草稿、恢复期间编辑、清空、失败及切换会话。
|
||
IPC 响应由测试控制完成时机，不能称为完整桌面到 Main 的新增端到端验收。
|
||
- 当前源码在隔离 Electron 中通过真实 `nativeImage`、HTTP 客户端、附件 SQLite/文件存储、
|
||
`reparseDraft` 与 `enrichRequest` 复验：仅图片及图片加缺图警告均拒绝文字切换，
|
||
草稿仍引用原附件，发往 Runtime 的请求保留一张图片；真实正文控制组仍切为文字发送。
|
||
三次请求均发往本机合成 OCR 服务，外部 OCR/文本/图像 Provider 请求为 0。
|
||
- 本轮 OCR 判断和草稿合并仍位于 Desktop，共用同一 Main 请求构造与 Renderer 草稿机制；
|
||
没有远端 OCR 分支、Agent 协议或模型桥变更，不据此扩大远端视觉模型验收结论。
|
||
|
||
验证用的临时 fixture、Electron profile 和数据库已清理。首次 OCR 探针因临时目录的模块
|
||
解析失败，调整启动器的依赖路径后通过；新会话切换测试最初遗漏全局队列读取，修正
|
||
fixture 后通过。上述均为验证工具问题，不修改产品行为来满足错误 fixture。
|
||
|
||
合并画布与 Continue 修正后的 `npm test` 完整结束：405 个文件通过、9 个跳过，
|
||
4,826 项通过、67 项跳过，耗时 982.48 秒，无失败。最终 `npm run typecheck`、
|
||
`npm run lint` 及助手数据库 101 项单独复验均通过。会话列表测试更新为无 100 条截断的
|
||
既定行为，共享高对比度测试检查全部 forced-colors 块；没有为旧断言恢复产品限制。
|
||
隐藏 Electron 窗口的双帧等待实测令布局场景耗时约 63 秒，因此只把测试子进程期限从
|
||
60 秒改为 90 秒，并对自有临时目录增加有界删除重试；完整布局断言未减少。
|