run.py 接上 edits/enhance/dpi/status/review,并把运行记录写进会话 data.db;审核页模板移到 skill/web,运行时发布到 .app/doc-review/,页面通过 /api/db 水合并调用通用技能执行接口重生成;移除 make_review.py 与模板注入。
9.9 KiB
name, description, input_schema
| name | description | input_schema | |||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
| document-photo-to-pdf | 把手机拍摄的纸质文档照片逐页裁剪、拉正、判定方向,合并为一个 PDF;可选发布可拖拽角点的审核页 |
|
文档照片转 PDF
手机拍的纸质材料 → 一个版正字清的 PDF。自动检测纸张四角、自动拉正,不读图、不传坐标。 需要人工确认时,可以发布一个可拖拽角点的审核页,改完点「生成 PDF」直接覆盖重出。
两种用法
全自动(默认)
{"images": ["图1.jpg", "图2.jpg"], "output": "合同_校正.pdf"}
只出 PDF,不写 .app/、不碰 data.db。适合“直接出件、不用看”的场景。
半自动(审核页)
{"images": ["图1.jpg", "图2.jpg"], "review": "always"}
在出 PDF 的同时:
- 把源图缩略图发布到会话
.app/doc-review/<batch_id>/; - 把批次/页面/任务记录写进会话
data.db的doc_review_*表; - 返回
review.url(站内路径/app/<task_id>/doc-review/?b=<batch_id>)。
用户拖角点、旋转、删页、调页序、改四项参数后,点页面右下角「生成 PDF」:
页面把修改写进 doc_review_job,再调用通用执行接口
POST /api/sessions/<task_id>/skills/document-photo-to-pdf/run(只传 batch_id),
服务端按同一份 run.py 覆盖同名 PDF,页面自动刷新。不需要复制 JSON,也不经过模型。
review=auto 是两者之间的桥:只有存在 needs_attention 的页(检测不到角点、方向存疑、
覆盖率低等)才发布审核页;全部就绪时不发布。
参数
| 参数 | 必填 | 说明 |
|---|---|---|
images |
新批次必填 | 图片路径,按传入顺序合并;相对路径按会话目录解析 |
output |
否 | 默认 文档照片_校正.pdf;batch_id 模式沿用批次原输出并覆盖 |
paper |
否 | 默认 auto:按同批中位比例统一版式,填满 A4 内容区;偏差超过 20% 的页保持原比例。整批都是 A4 时可传 a4;票据/异形纸保持 auto 或传数字比例(宽/高) |
orientation |
否 | 默认 auto:逐页按本页纸张宽高比定横竖,不看批次多数票。none 保持每页原方向;portrait/landscape 强制整批对齐 |
enhance |
否 | 调色档,默认 normal。original 原样不提亮;strong 加强;bw 黑白(保留灰阶,不二值化) |
dpi |
否 | standard(150) / high(300) / 72~600 的数字,默认 150 |
review |
否 | off(默认)/always/auto;传 batch_id 且不传 review 时按 always |
batch_id |
否 | 重生成:读 data.db 里的源图、输出、编辑,覆盖同名 PDF;忽略 images/output |
edits |
否 | review/1 对象或路径;batch_id 模式不传时读 doc_review_job.edits |
state |
否 | 上一份 state.json 路径;可选,只用于恢复自动角点/调试 |
优先级:edits.batch > 显式参数 > 默认值。edits 里的角点会跳过检测,直接用给定坐标。
看返回值
stdout 是一个 JSON 对象,先看 ok:
ok:true:output.path是 PDF;summary可直接转述;warnings非空时要一起告诉用户。ok:false:不要重试,把error.message和error.hint转述给用户。
单页拍得不好不再等于失败:检测不到角点、角点校验不过的页会用“画面内缩 3%”的兜底框
照常出件,该页 status 为 needs_corners;原图打不开的页标记 failed 并跳过。只有一页都
出不了时才返回 ok:false。
成功示例(半自动):
{"ok":true,"summary":"3 页已生成;1 页需人工确认",
"output":{"path":"/.../合同_校正.pdf","pages":3},
"review":{"batch_id":"dr20261023-120000-a1b2","published":true,
"url":"/app/task-20261023-001/doc-review/?b=dr20261023-120000-a1b2",
"ready":2,"needs_attention":[{"index":2,"status":"needs_corners","reason":"detect_failed"}]},
"warnings":[]}
review.published=false时没有url,不要给用户审核入口。review.url是站内路径:Web 里直接输出成 Markdown 链接即可;微信/外部端需要拼上站点 地址才能打开。审核页是拖拽页面,建议让用户在浏览器里用。review.ready是status=ready的页数;needs_attention含review、needs_corners、needs_orientation、render_failed、failed。
warnings 里常见的是:某页已旋转 90°、某页用兜底框出件、某页透视校正失败已重试、
纸面短边偏低。这些表示“已出件但需确认”,按原话转述,不要自己判断“应该没事”。
checks.pages 是逐页数值指标,用户追问时再展开,不必主动倒给用户。
审核页与数据
- 页面模板的单一事实源:
skills/document-photo-to-pdf/web/index.html。 - 运行时副本:会话
.app/doc-review/index.html(每次发布覆盖;不含任何数据注入)。 - 缩略图:会话
.app/doc-review/<batch_id>/p<idx>.jpg(长边 1200,JPEG)。 - 运行记录:会话
data.db的doc_review_batch/doc_review_page/doc_review_job。 页面通过通用/api/db/<task_id>/query读,技能自己写;core 不认识这些表。
页面点「生成 PDF」的流程:
- 把当前修改写成
doc_review_job.edits(完整快照,状态queued); - 调
POST /api/sessions/<task_id>/skills/document-photo-to-pdf/run,args 只传{"batch_id":"..."}; - 技能读 job → 应用 edits → 覆盖同名 PDF → 更新 batch/page/job;
- 页面重新读
data.db,刷新摘要、状态和 PDF 链接。
edits 的结构(review/1):
{"schema":"review/1",
"batch":{"paper":"a4","enhance":"normal","dpi":"standard","orientation":"auto"},
"pages":[{"i":3,"c":[[0.03,0.05],[0.97,0.04],[0.96,0.95],[0.04,0.96]],"r":90}],
"order":[1,2,3],"deleted":[]}
i永远是原始 images 的 1-based 下标,不随页序变化;c是归一化 0~1,相对 exif_transpose 后的原图,顺序左上、右上、右下、左下;r是该页的最终顺时针旋转(0/90/180/270),覆盖自动方向判断;不传则用自动结果;pages只需要放与自动基线不同的页(人工角点/旋转);未改的页由服务端重新检测/评级;order是出件页序,deleted是删除的页;缺省按 images 原序。
技能每次出件会在 PDF 同目录写 <名字>.state.json(schema document-photo-to-pdf/2):
batch 是本次四项参数,pages[] 记 auto_corners(原图像素)、corners_norm、
rotate(自动基线)、rotate_source、status、reason。坐标一律归一化,换预览分辨率不会错位。
审核页发布的旧批次只保留最近 5 个;更早的缩略图目录会随下一次新批次自动清理。
内容安全
只做纯几何透视变换 + 全局等比提亮,不调用生成式模型,文字像素不会被重绘。
拍摄要求(失败时这样建议用户)
- 一次只拍一张纸,整张纸完整入画,四边各留 3%~5% 背景;
- 桌面与纸张反差明显,避开强阴影和反光;
- 同批材料尽量同方向拍摄;横竖混拍不会自动翻转,需要人确认方向。
边界
- 纸张出画面的部分无法还原;角点可以外扩到画面外。
- 只保证页面拉正,不保证文字朝上;自动方向只判 90°,180° 需要人在审核页旋转。
- 检测不到角点的页用“画面内缩 3%”的兜底框出件,标
needs_corners,需人补角才是准确裁切。 - 默认
paper=auto会把同批页面统一到中位比例(偏差 20% 以内),因此各页尺寸与留白一致; 偏差更大的页按原比例出件。要严格 A4 用paper=a4。 - 票据等窄纸建议单独成批,避免与 A4 混批时留白显得很宽。
- 低分辨率照片会被放大到统一版式,不会因原图像素少而变小;清晰度仍受原图限制。
- 数字比例只改纸面比例,PDF 画布仍是 A4;换画布请用 a4/letter/16k/b5。
- 支持 jpg/png/webp/bmp/tif;HEIC 需要额外依赖,当前不支持。
- 低分辨率、边缘背景残留、内容贴边只在
warnings/checks里给指标,不会自动修正。 - 深色纸、彩色纸、纸张与桌面颜色接近时,自动检测可能不稳,建议换对比明显的背景重拍。
- 单次建议不超过 20 页;页数更多或原图很大时可能触发技能 120s 超时,可分批处理或调高
skills.timeout_ms。 - 一图只处理一张纸;同框多张纸只取最大的一张。