'commit'

dsRagAnything/Test/Ocr/2、识别出结果.md

@@ -0,0 +1,29 @@
+
+一、单项选择题:本题共 8 小题, 每小题 5 分, 共 40 分.在每小题给出的四个选项中, 只有一项是符合题目要求的.
+
+1. 已知集合 $A=\left\{x \mid-5<x^{3}<5\right\}, B=\{-3,-1,0,2,3\}$, 则 $A \cap B=$ 【答案】A
+A. $\{-1,0\}$ B. $\{2,3\}$ C. $\{-3,-1,0\}$ D. $\{-1,0,2\}$
+
+【解析】 $A \cap B=\{-1,0\}$, 选 A.
+
+2. 若 $\frac{2}{z-1}=1+\mathrm{i}$, 则 $z=$ 【答案】C
+A. $-1-\mathrm{i}$ B. $-1+\mathrm{i}$ C. $1-\mathrm{i}$ D. $1+\mathrm{i}$
+
+3. 已知向量 $\vec{a}=(0,1), \vec{b}=(2, x)$, 若 $\vec{b} \perp (\vec{b}-4 \vec{a})$, 则 $x=$ 【答案】D
+A. $-2$ B. $-1$ C. 1 D. 2
+
+【解析】 $\vec{b}-4 \vec{a}=(2, x-4), \vec{b} \perp (\vec{b}-4 \vec{a}), \therefore \vec{b}(\vec{b}-4 \vec{a})=0$, $\therefore 4+x(x-4)=0, \therefore x=2$, 选 D.
+
+4. 已知 $\cos (\alpha+\beta)=m, \tan \alpha \tan \beta=2$, 则 $\cos (\alpha-\beta)=$ 【答案】A
+A. $-3 m$ B. $-\frac{m}{3}$ C. $\frac{m}{3}$ D. $3 m$
+
+【解析】 $\left\{\begin{array}{l}\cos \alpha \cos \beta-\sin \alpha \sin \beta=m \\\frac{\sin \alpha \sin \beta}{\cos \alpha \cos \beta}=2\end{array}, \therefore\left\{\begin{array}{l}\sin \alpha \sin \beta=-2 m \\\cos \alpha \cos \beta=-m\end{array}\right.\right.$
+
+$\cos (\alpha-\beta)=\cos \alpha \cos \beta+\sin \alpha \sin \beta=-m-2 m=-3 m$, 选 A.
+
+5. 已知圆柱和圆锥的底面半径相等, 侧面积相等, 且它们的高均为 $\sqrt{3}$, 则圆锥的体积为 【答案】B
+A. $2 \sqrt{3} \pi$ B. $3 \sqrt{3} \pi$ C. $6 \sqrt{3} \pi$ D. $9 \sqrt{3} \pi$
+
+【解析】设它们底面半径为 $r$, 圆锥母线 $l$, $\therefore 2 \pi r \sqrt{3}=\pi r l$, $\therefore l$ 知 $\sqrt{3} \therefore \sqrt{3}$
+
+进程已结束，退出代码为 0

dsRagAnything/Test/Ocr/QWenOcr.py

@@ -6,6 +6,7 @@ client = OpenAI(
     api_key='sk-f6da0c787eff4b0389e4ad03a35a911f',
     base_url="https://dashscope.aliyuncs.com/compatible-mode/v1",
 )
+
 completion = client.chat.completions.create(
     model="qwen-vl-ocr-latest",
     messages=[
@@ -14,7 +15,7 @@ completion = client.chat.completions.create(
             "content": [
                 {
                     "type": "image_url",
-                    "image_url": "https://img.alicdn.com/imgextra/i2/O1CN01ktT8451iQutqReELT_!!6000000004408-0-tps-689-487.jpg",
+                    "image_url": "https://pic1.zhimg.com/v2-c3d7f060bbf3f7c122319350044d8888_1440w.jpg",
                     # 输入图像的最小像素阈值，小于该值图像会按原比例放大，直到总像素大于min_pixels
                     "min_pixels": 28 * 28 * 4,
                     # 输入图像的最大像素阈值，超过该值图像会按原比例缩小，直到总像素低于max_pixels
@@ -23,7 +24,7 @@ completion = client.chat.completions.create(
                   # qwen-vl-ocr-latest支持在以下text字段中传入Prompt，若未传入，则会使用默认的Prompt：Please output only the text content from the image without any additional descriptions or formatting.
                  # 如调用qwen-vl-ocr-1028，模型会使用固定Prompt：Read all the text in the image.不支持用户在text中传入自定义Prompt
                 {"type": "text",
-                 "text": "请提取车票图像中的发票号码、车次、起始站、终点站、发车日期和时间点、座位号、席别类型、票价、身份证号码、购票人姓名。要求准确无误的提取上述关键信息、不要遗漏和捏造虚假信息，模糊或者强光遮挡的单个文字可以用英文问号?代替。返回数据格式以json方式输出，格式为：{'发票号码'：'xxx', '车次'：'xxx', '起始站'：'xxx', '终点站'：'xxx', '发车日期和时间点'：'xxx', '座位号'：'xxx', '席别类型'：'xxx','票价':'xxx', '身份证号码'：'xxx', '购票人姓名'：'xxx'"},
+                 "text": "请提取图片中的试题,需要Latex公式输出的，注意加上 $$ 或 $ 进行包含。"},
             ]
         }
     ])