> ## Documentation Index
> Fetch the complete documentation index at: https://javaai.pig4cloud.com/llms.txt
> Use this file to discover all available pages before exploring further.

# RAG 进阶

<Card title="写在最前：问题咨询请直接点击此处提交 ISSUE" icon="star" href="https://github.com/pig-mesh/deepseek4j/issues">
  * ⭐️ **请先 Star 本项目后再提问，作者精力有限，未 Star 直接 Close**
  * 🐞 [GitHub ISSUE](https://github.com/pig-mesh/deepseek4j/issues) 需包含：问题截图 + SDK版本 + 配置代码
</Card>

<Card title="什么是office2md" icon="link" href="https://github.com/pig-mesh/office2md">
  这是一项基于 Markdown 格式的多功能转换服务，支持将 PowerPoint、Word、Excel、图像、音频和 HTML 等文件转化为 Markdown 格式。同时，服务整合了 Gitee AI 和智谱 AI 提供的 GLM-4V 模型，以及阿里云百炼平台的 Qwen-VL-Max 模型，用于图片和 PDF 文件的高效文本识别。
</Card>

## Docker 使用说明

### 1. 快速使用

```bash theme={"system"}
# 内置了GLM-4V-FLASH视觉模型，仅供测试使用
docker run -p 8000:8000 registry.cn-hangzhou.aliyuncs.com/dockerhub_mirror/markitdown
```

### 2. 使用 Gitee AI

```bash theme={"system"}
docker run -d \
 -p 8000:8000 \
 -e API_KEY=gitee_ai_key \
 -e MODEL=InternVL2_5-26B \
 -e BASE_URL=https://ai.gitee.com/v1 \
 registry.cn-hangzhou.aliyuncs.com/dockerhub_mirror/markitdown
```

### 3. 使用阿里云百炼平台

```bash theme={"system"}
docker run -d \
  -p 8000:8000 \
  -e API_KEY=your_aliyun_api_key \
  -e MODEL=qwen-vl-max \
  -e BASE_URL=https://dashscope.aliyuncs.com/api/v1 \
  registry.cn-hangzhou.aliyuncs.com/dockerhub_mirror/markitdown
```

## 环境变量说明

服务支持以下环境变量配置：

| 环境变量          | 说明                | 默认值                                                                          |
| ------------- | ----------------- | ---------------------------------------------------------------------------- |
| API\_KEY      | AI 平台的 API 密钥     | XXXX                                                                         |
| BASE\_URL     | AI 平台的 API 基础 URL | [https://open.bigmodel.cn/api/paas/v4](https://open.bigmodel.cn/api/paas/v4) |
| MODEL         | 使用的模型名称           | glm-4v-flash                                                                 |
| DELETE\_DELAY | 临时文件删除延迟（秒）       | 300                                                                          |
| PROMPT        | 文本提取提示词           | 提取图片中全部的文本，不需要任何推理和总结，只需要原文                                                  |

### 支持的模型配置

#### 智谱 AI

* MODEL=glm-4v-flash
* BASE\_URL=[https://open.bigmodel.cn/api/paas/v4](https://open.bigmodel.cn/api/paas/v4)

#### Gitee AI

* MODEL=InternVL2\_5-26B
* BASE\_URL=[https://ai.gitee.com/v1](https://ai.gitee.com/v1)

#### 阿里云百炼

* MODEL=qwen-vl-max
* BASE\_URL=[https://dashscope.aliyuncs.com/compatible-mode/v1](https://dashscope.aliyuncs.com/compatible-mode/v1)

## API 接口

### 1. 上传图片并提取文本

**Endpoint:** POST /upload/

**请求格式:** multipart/form-data

**参数:**

* file: 图片文件

**响应示例:**

```json theme={"system"}
{
  "text": "提取的文本内容"
}
```

### 2. 文档图像矫正

**Endpoint:** POST /uvdoc/unwarp

**请求格式:** multipart/form-data

**参数:**

* file: 需要进行展平处理的文档图片文件

**响应格式:** image/png

**说明:**

* 该接口用于处理弯曲变形的文档图片，返回展平后的图片
* 支持常见图片格式（PNG、JPEG等）
* 返回的是展平后的PNG格式图片数据

**错误响应:**

```json theme={"system"}
{
  "detail": "Error message"
}
```

## 源码运行

```
git clone https://gitee.com/log4j/office2md.git

cd office2md 

python3 -m venv venvdev

source venvdev/bin/activate

pip install -r requirements.txt

# 启动服务
uvicorn main:app --reload
```

# 商业化选择

<Card title="PIG AI应用开发平台 | 适合中大型企业构建自主可控的AI中台" icon="link" href="https://ai.pig4cloud.com">
  **为Java开发者提供全栈式AI工程化解决方案**，强类型/高可维护性架构，内置30+主流大模型支持。

  * **🔍 知识引擎体系**：RAG 知识引擎全自动化多模态解决方案
  * **📝 AI-OCR 中枢**：复杂非标场景高精度识别
  * **⚙️ 业务智能融合**：函数编排 + Chat2SQL，无缝对接现有业务系统
  * **🛡️ N维风控体系**：敏感词/IP/Token/User 规则控制引擎
</Card>

<Card title="文档有误？请协助编辑" icon="pencil" href="https://github.com/javaai-pig4cloud-com/javaai-docs/edit/main/deepseek/office2md.mdx">
  发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！
</Card>

<Card title="文档有误？请协助编辑" icon="pencil" href="https://github.com/javaai-pig4cloud-com/javaai-docs/edit/main/deepseek/office2md.mdx">
  发现文档问题？点击此处直接在 GitHub 上编辑并提交 PR，帮助我们改进文档！
</Card>