egg/OCR
1
0
Fork 0
Code Issues Pull Requests Actions Packages Projects Releases Wiki Activity
Files
59206a6ab872cb077e35c33d429687b0640450e9
OCR/docs/commit-history-report.md
egg 59206a6ab8 feat: simplify layout model selection and archive proposals 
Changes:
- Replace PP-Structure 7-slider parameter UI with simple 3-option layout model selector
- Add layout model mapping: chinese (PP-DocLayout-S), default (PubLayNet), cdla
- Add LayoutModelSelector component and zh-TW translations
- Fix "default" model behavior with sentinel value for PubLayNet
- Add gap filling service for OCR track coverage improvement
- Add PP-Structure debug utilities
- Archive completed/incomplete proposals:
  - add-ocr-track-gap-filling (complete)
  - fix-ocr-track-table-rendering (incomplete)
  - simplify-ppstructure-model-selection (22/25 tasks)
- Add new layout model tests, archive old PP-Structure param tests
- Update OpenSpec ocr-processing spec with layout model requirements

🤖 Generated with [Claude Code](https://claude.com/claude-code)

Co-Authored-By: Claude <noreply@anthropic.com>
2025-11-27 13:27:00 +08:00

4.3 KiB
Raw Blame History

Tool_OCR Commit History Review (2025-11-12 ~ 2025-11-26)

本報告依 git log 全量 97 筆提交整理，涵蓋開發脈絡、里程碑、測試/品質信號與後續風險。提交類型統計：35 feat / 37 fix / 9 chore / 5 test / 4 docs / 2 refactor，主要集中於 2025-11-18、11-19、11-20 與 11-24 的密集開發。

時間軸與里程碑

  • 前期基礎與前端現代化 (11-12~11-13)：21bc2f9, 57cf912 將前端改為 Tailwind v4 +專業 UI，0f81d5e 單容器 Docker 化、d7e6473 WSL Ubuntu 開發環境。
  • GPU 加速與相容性 (11-14)：6452797 提案 + 7536f43 實作 GPU OCR，d80d60f/3694411/80c091b 修正 Paddle 3.x API 與安裝來源，b048f2d 暫停圖表識別以避免 API 缺口。
  • 外部 Auth V2 與管理後台 (11-14~11-16)：28e419f~fd98018 完成外部認證 V2、資料表前綴與架構移除 V1；8f94191 新增後台/稽核/Token 檢查；90fca50/6bb5b76 讓 18/18 測試全過。
  • V2 UI 串接與初版版面保持 PDF (11-16~11-18)：前端/後端全面切換 V2 API (ad5c8be 之後)，fa1abcd 版面保持 PDF + 多次座標/重疊修正 (d33f605~0edc56b)，強化 logging (d99d37d)。
  • 雙軌處理架構 (11-18~11-20)：2d50c12 + 82139c8 導入 OCR/Direct 雙軌與 UnifiedDocument；a3a6fbe/ab89a40/ecdce96 完成轉換、JSON 匯出與 PDF 支援；1d0b638 後端 API，c2288ba 前端支援，c50a5e9 單元/整合測試；0974fc3 E2E 修復，ef335cf Office 直抽，b997f93/9f449e8 GPU 記憶體管理與文件化，2ecd022 E2E 測試完成。
  • PDF 版面復原計畫 (11-20 提案，11-24 實作高峰)：cf894b0 提案後，0aff468 Phase1 圖片/表格修復，3fc32bc Phase2 風格保存，77fe4cc/ad879d4/75c194f 等完成 Alignment、List、Span 級渲染與多欄位；一系列 93bd9f5~3358d97 針對位置/重疊/缺圖修正，4325d02 專案清理並封存提案。
  • PP-Structure V3 調校 (11-25)：a659e7a 改善複雜圖示結構保留，2312b4c 前端可調 pp_structure 參數 + 測試，0999898 多頁 PDF 座標校正。
  • 記憶體管理與混合抽圖 (11-25~11-26)：ba8ddf2 提案，1afdb82 混合圖片抽取+記憶體管理落地，b997f93 系列 GPU 釋放/可選 torch，引入 ModelManager、ServicePool、MemoryGuard（詳見 openspec/changes/archive/2025-11-26-enhance-memory-management）；a227311 封存提案但僅完成 75/80 任務（剩餘文件化）；隨後多筆修復（79cffe6~fa9b542）處理 PDF 回歸與文字渲染，6e050eb 為最新 OCR 軌表格格式/裁剪修正。

品質與測試信號

  • 11-16 完成 V2 API 測試 18/18 (6bb5b76)，建立初步信心。
  • 雙軌導入時新增單元/整合/E2E 測試 (0fcb249, c50a5e9, 2ecd022)，但後續 PDF 版面復原大量依賴人工驗證，Phase 4 測試仍未完成（見下）。
  • 記憶體管理變更伴隨 57+18+10 測試檔（任務 8.1 完成），但文件化缺失可能影響交接與調參。
  • 11-24 大量 PDF 修復連續提交顯示迭代式修 bug，建議增加回歸測試覆蓋（特別是表格/多欄/列表與跨軌道 PDF）。

未盡事項與風險

  • 記憶體管理文件化缺口：openspec/changes/archive/2025-11-26-enhance-memory-management/tasks.md 未完成 Section 8.2（架構說明、調校指南、疑難排解、監控、遷移指南），可能影響部署可操作性。
  • PDF 版面復原驗證不足：同一變更的 Phase 4 測試/效能/文件與多類文件驗證均未勾選，現階段品質依賴手測。
  • 近期修正集中於 PDF 與表格（79cffe6, 5c561f4, 19bd5fd, fa9b542, 6e050eb），顯示 Direct/OCR 軌 PDF 路徑仍脆弱；缺乏自動化回歸易再度回歸。
  • 主分支狀態：main 比 origin/main 超前 1 提交（6e050eb），請推送前確認 CI/測試。

建議後續行動

  1. 完成記憶體管理文件（架構、調參、故障排除、Prometheus 監控指南）並加入 sanity check。
  2. 為 PDF 版面復原建立最小回歸集：多欄文檔、含圖表/表格的 Direct/OCR 軌、列表與 span 混排。
  3. 圍繞 processing_track 分流與 UnifiedDocument/PDF 生成的邊界條件增加測試（LOGO/未知元素、跨頁表格、OCR/Direct 混合圖片）。
  4. 推送前跑現有單元/整合/E2E 測試，補上近兩週新增場景的腳本以降低回歸風險。