如何本地部署paddleocr 并接入到 dify 中？

[copilot-office]

如何本地部署paddleocr 文档解析服务并接入到 dify 中？

[Aidenwu0209]

可以，建议拆成两层：PaddleOCR/PaddleX 提供本地 HTTP 服务，Dify 只负责调用。不要在 Dify 的每次节点执行中重新加载模型。

1. 先把文档解析服务跑通

如果目标是 PDF/复杂版面转 Markdown，优先用 PP-StructureV3；只需要普通文字框和文本时才用 OCR。

python -m pip install paddleocr
paddlex --install serving

# 文档版面解析
paddlex --serve --pipeline PP-StructureV3 --host 0.0.0.0 --port 8080

# 如果只要普通 OCR，则改为：
# paddlex --serve --pipeline OCR --host 0.0.0.0 --port 8080

先不要接 Dify，直接做一次 smoke test：

import base64
from pathlib import Path
import requests

payload = {
    "file": base64.b64encode(Path("test.pdf").read_bytes()).decode(),
    "fileType": 0,                 # PDF=0，图片=1
    "useDocOrientationClassify": False,
    "useDocUnwarping": False,
    "useTextlineOrientation": False,
    "visualize": False,
}

r = requests.post(
    "http://127.0.0.1:8080/layout-parsing",
    json=payload,
    timeout=300,
)
r.raise_for_status()
data = r.json()
print(data["result"]["layoutParsingResults"][0]["markdown"]["text"])

普通 OCR 对应的地址是 POST /ocr；文档解析是 POST /layout-parsing。官方服务化说明：
https://www.paddleocr.ai/main/version3.x/inference_deployment/serving/serving.html

2. 在 Dify 中调用

Workflow 中使用“文件输入 → HTTP Request → Code/Template → 后续 LLM/知识库”即可：

• Method：POST
• URL：http://paddleocr:8080/layout-parsing
• Header：Content-Type: application/json
• Body：JSON，file 可传 PaddleOCR 服务能够访问的文件 URL，或 Base64；fileType 为 0/1
• 需要的正文结果：result.layoutParsingResults[*].markdown.text

如果 Dify 与 PaddleOCR 都在 Docker 中，127.0.0.1 指的是 Dify 容器自身，不是宿主机。推荐把两个服务放进同一个 Docker network，用服务名 http://paddleocr:8080；Mac/Windows 上服务跑在宿主机时可以用 host.docker.internal:8080。Linux 则配置 host-gateway，或同样放进一个 network。

如果使用 Dify Cloud，它访问不到你局域网里的 localhost，需要把 OCR 服务暴露成带 HTTPS、鉴权和请求大小限制的地址。不要直接把无鉴权的 8080 端口暴露到公网。

最后，如果 Dify 的文件变量给出的是内部临时 URL，必须确认 PaddleOCR 容器也能访问该 URL；否则加一个很薄的 adapter，把 Dify 上传的文件转换为 Base64 后再转发给 /layout-parsing。