init

core/ocr_service.py

@@ -0,0 +1,68 @@
+import logging
+from api.doubao_client import DoubaoClient
+from utils.image_utils import encode_image  # 更新导入语句以反映新位置
+
+prompt = """
+你是一个初中数学图片的描述专家，请将图片中的内容转换为文本。
+1、注意数学公式需要用latex格式输出。注意只输出文本内容，不要输出任何解释。
+2、如果图片中有图形，请结合题干内容对图形进行描述，只要描述不需要任何解释。
+3、如果图片中是坐标系，分析抛物线的开口方向和经过的象限，并详细描述。识别图片中的坐标系类型，如直角坐标系、极坐标系等。
+4、要以markdown格式输出
+输出格式为
+【题干】
+【图形描述】
+"""
+
+class OCRService:
+    def __init__(self, api_client: DoubaoClient):
+        """
+        初始化OCRService
+        
+        Args:
+            api_client: ApiClient的实例
+        """
+        self.api_client = api_client
+        logging.info("OCRService initialized.")
+
+    def get_ocr(self, problem: str) -> str:
+        """
+        获得问题的ocr。
+
+        Args:
+            problem: 需要解答的问题图片。
+
+        Returns:
+            问题的ocr结果。
+        """
+        # 将图片转换为base64编码
+        base64_image = encode_image(problem)
+
+        # 构建请求消息，包含图片
+        messages = [
+            {
+                'role': 'user',
+                'content': [
+                    {
+                        'type': 'image_url',
+                        'image_url': {
+                            'url': f'data:image/jpeg;base64,{base64_image}'
+                        }
+                    },
+                    {
+                        'type': 'text',
+                        # 'text': '请将图片中的内容转换为文本。\n注意数学公式需要用latex格式输出。\n注意只输出文本内容，不要输出任何解释。'
+                        'text': prompt
+                    }
+                ]
+            }
+        ]
+
+        logging.info(f"Calling API for ocr for problem: {problem[:50]}...") # Log first 50 chars
+        solution = self.api_client.chat_completion(messages, temperature=0.6, max_tokens=2048)
+
+        if solution is None:
+            logging.error("Failed to get ocr from API.")
+            return "ocr出现错误，请检查输入或稍后重试。"
+        
+        logging.info("Successfully got ocr.")
+        return solution