hermes-skills/skills/legal/contract-portfolio-analysis/references/deepseek-ocr-default-chain-20260713.md

DeepSeek-OCR 主链路与非交互 session 取 key 规则（2026-07-13）

适用场景

• 批量扫描件合同梳理
• 需要把 PDF / 图片先转成 Markdown 再审查/比对/回填汇总表
• 当前环境已把 SILICONFLOW_API_KEY 写在 ~/.bashrc，但 agent 所在 session 不是交互式 shell

本次会话固化结论

1. 默认 OCR 主链路改为 DeepSeek-OCR，脚本：~/.hermes/scripts/deepseek_ocr.py
2. 不要默认回到 marker-pdf / surya 本地链路；本地 OCR 只作显式要求下的备选/对照，不是默认方案。
3. 批量扫描件建议流程：
   • 先批量跑 deepseek_ocr.py 生成 md
   • 再做 grep / 规则扫描，筛出乱码、过短、金额大小写冲突、主体名称异常、日期异常
   • 最后只对异常页做 vision 定点校对
4. deepseek_ocr.py 已修成：
   • 先读当前进程环境变量 SILICONFLOW_API_KEY
   • 若当前 session 没带 key，则回退到 bash -ic 从 ~/.bashrc 读取
   • 读取成功后回填到当前进程环境
   • 两边都没有才报错：Missing SILICONFLOW_API_KEY in environment or ~/.bashrc

为什么要这样做

非交互 shell 默认不加载 ~/.bashrc。如果只在脚本里 os.environ.get("SILICONFLOW_API_KEY")，则新 session/批量 terminal 调用会误报“缺 key”，但实际上 .bashrc 里已经有 key。

执行口径

• 单文件：

  python3 ~/.hermes/scripts/deepseek_ocr.py /path/to/file.pdf -o /path/to/file.md
  

• 批量：按合同目录遍历 .pdf，逐个输出同名 .md
• 批量产物出来后，优先筛这几类异常：
  • 结果过短（只剩标题/前几行）
  • 金额小写与大写不一致
  • 主体名称错字/缺字
  • 日期区间逻辑不通
  • 银行账户等长数字串

已验证案例

• 北翼玖玖 17 份 PDF：已全量跑完 DeepSeek-OCR 输出 md
• 发现的典型异常：
  • 某些物业合同只识别出标题，正文漏识别
  • 押金小写金额与大写金额明显冲突
  • 主体名称 OCR 错字（如“崇区川”）

给后续 agent 的一句话

扫描件合同默认先跑 DeepSeek-OCR，再筛异常，再 vision 定点校对；不要一上来就切回本地 OCR。