上傳文件

把檔案拖到這裡，或從下方選擇
可一次選多個檔。每個檔案各建立一個獨立任務，共用下方的參數設定。 再次選檔為累加（不會取代已選的），同一個檔選兩次會出現兩列。
整合流程使用的 OCR 引擎。留空＝waterfall（多引擎自動擇優，推薦）；paddleocr＝中英文佳；tesseract＝多語言；easyocr＝手寫／自然場景；olmocr＝高精度模型；nemotron＝表格結構還原強，但遇旋轉／截圖頁可能吐出大量重複內容。
跳過版面分析、直接輸出文字。markitdown／docling 適合 Office、HTML 等原生檔；nemotron＝直接輸出含表格結構的 Markdown，但遇旋轉／截圖頁可能吐出大量重複內容；不選則走上方整合流程。
需到下方「進階」填自訂 OCR API URL 與模型名稱，否則後端會退回。
同時處理的頁數，越大越快但越吃記憶體與顯卡。單頁文件填 1 即可（上限 32）。
VLM／OLMOCR 單次回應的最大 token 數。一般留空用預設即可。
版面模型判定一個區塊「算數」的信心門檻。調低（如 0.3）能抓到更多小字／淡色區塊但誤判增加；調高（如 0.7）只留高把握的區塊。
進階：VLM / OLMOCR / 自訂 OCR API 覆寫（選填）
只在「這次任務」想改用別的模型時才填，全部留空＝用伺服器預設。VLM＝看圖／表格的視覺語言模型；OLMOCR＝高精度文字辨識模型。
自訂 OCR API 上方「直出引擎」選 custom_api 時必填，兩欄需同時填寫。
自備的 OCR 服務端點（需為有效的 HTTP/HTTPS URL）。
需與 API URL 成對填寫。
VLM
自備 VLM 服務的網址。需與「模型名稱」同時填寫。
該服務上的模型 ID，例如 qwen2-vl。需與 API URL 成對。
0～2，越低輸出越穩定／一致（預設 0.1）。
自訂給 VLM 的指令；留空用內建提示詞。
只用於這一批任務，不會被記住（重新整理即消失）。不需與 API URL 成對填寫。
OLMOCR
自備 OLMOCR 服務的網址。需與「模型名稱」同時填寫。
該服務上的模型 ID。需與 API URL 成對。
0～2，越低輸出越穩定（預設 0.0）。
自訂給 OLMOCR 的指令；留空用內建提示詞。
只用於這一批任務，不會被記住（重新整理即消失）。不需與 API URL 成對填寫。

任務列表

以固定工作區集中處理任務內容，避免預覽、原文與進度資訊四散堆疊。

任務清單
Task ID 檔名 狀態 進度 建立時間
點擊「重新整理」載入任務
結果工作區
Task Workspace
任務工作區
選擇任務後，可在這裡查看預覽、原文、資產與進度。
工作區待命中

先從上方清單選擇任務，再使用預覽、原始 Markdown 或查詢進度把內容載入這個固定區域。


          

        

        

          

        

        

          

        

      

    

  


  
  

    
審核佇列

    
把審核摘要、處理操作與相關資訊整併到同一個固定區塊，減少上下跳動。


    

      

        
        
      

      

        
        
        
      

      

        
        
        
        
        
      

    


    
待審核項目

    

      

        
          

            Task ID
            檔名
            上傳時間
            品質分數
            原因
          

        
        
          

            
            點擊「重新整理」載入審核佇列
          

        
      

    


    
審核工作區

    

      

        

          
Review Workspace

          
審核詳情工作區

          
選擇佇列項目後，這裡會固定顯示摘要、處理回饋與相關內容。

        

        

          

          
          
        

      


      


      

        
        
        
        
        
      


      

        
        
等待審核上下文

        
點選上方任務列後，工作區會固定顯示該筆資料摘要，以及放行、補件、刪除後的處理回饋。

      


      

        

          

        

        

          

        

        

          

        

        

          

        

        

          
        

      

    

  


  
  

    
工具箱


    

    


      
      

        
對單張裁切圖或表格呼叫視覺語言模型（VLM），轉成 Markdown 描述或表格。適合快速看「這張圖在講什麼」。

        

          

            
            
          

          

            
            
            
image＝對圖片做語意總結；table＝把表格圖轉成 Markdown 表格。

          

          

            
            
            
想自己下指令時才填；留空用內建提示詞。

          

          

            
          

        

        

      


      
      

        
用「單一指定」的 OCR 引擎辨識一份檔案的文字，回傳純文字與座標片段。想直接比較某個引擎的效果時用。

        

          

            
            
          

          

            
            
            
paddleocr＝中英文佳；tesseract＝多語言；easyocr＝手寫／自然場景；olmocr＝高精度模型；markitdown＝Office／HTML 直接轉檔；nemotron＝表格結構還原強，遇旋轉／截圖頁可能吐出大量重複內容（與右方 Nemotron 分頁同一個模型，但走 /tasks/ocr，回傳純文字與座標片段而非 Markdown）。

          

          

            
          

        

        

      


      
      

        
偵測圖片的版面區塊（標題／段落／表格／圖片／表單／鍵值對…），回傳各區塊座標與一張標註結果圖。

        

          

            
            
            
支援 PNG／JPG 圖片（PDF 取第一頁）。

          

          

            
            
            
越低越寬鬆、抓到的區塊越多（也越多誤判）；越高只留高把握的區塊。

          

          

            
          

        

        

      


      
      

        
用 Docling 高精度解析文件，輸出結構化 Markdown，複雜表格還原能力強。適合需要乾淨表格的文件。

        

          

            
            
            
支援 PDF／DOCX／XLSX／HTML 等原生文件格式（不支援的副檔名後端會回 500）。

          

          

            
          

        

        

      


      
      

        
用本機部署的 NVIDIA Nemotron Parse 2.0 把「單張圖片」直接轉成 Markdown（含表格結構）。與上方 OCR 分頁走的是不同端點與不同模型。

        

          此端點只吃圖片，不接受 PDF（OCR／Layout 會自動取 PDF 第一頁，這裡不會）。伺服器若沒有 CUDA GPU 會直接回錯誤。
        

        

          

            
            
            
支援 PNG／JPG／WebP／BMP／TIFF。

          

          

            
            
            
Nemotron 吃的是控制標記（例如 <s><predict_bbox>），不是一般自然語言指令。不確定就留空。

          

          

            
          

        

        

      


      
      

        
上傳由任務產生的 highlight_blocks.json 並輸入查詢文字，系統依語意比對 JSON 內的 OCR 區塊，回傳相關段落的座標資料（頁碼／bbox／分數）。需先在上傳時勾選「輸出高亮 JSON」。

        

          

            
            

              
              
              
              
            

            
「上傳檔案」可用任意 highlight_blocks.json；「用任務 ID 取得」由前端向後端 /highlight-blocks 取得該任務的 JSON，免去下載再上傳。

          

          

            
            
            
由任務啟用「輸出高亮 JSON」後產生的 highlight_blocks.json。

          

          

            
            
            
前端會自動向 /api/idp/tasks/{task_id}/highlight-blocks 取得該任務的 highlight_blocks.json。

          

          

            
            
            
必填。想在文件中找出的內容，可直接貼 RAG 回答。

          

          

            
            
            
留空＝搜尋整份文件；填數字＝只搜該頁。

          

          

            
            
            
auto_rewrite＝自動判斷是否改寫查詢（推薦）；direct＝直接用原文比對；query_rewrite＝一律先用 Gemma 改寫查詢。

            

              direct 是純字面比對，語意相近但用詞不同的段落不會命中；查不到時可調低右邊的門檻，或改用 auto_rewrite。
            

          

          

            
            
            
相關度門檻，越高越嚴格。預設 0.75 偏嚴 — 實測完全相符的區塊也只拿 0.67 分而被濾掉，查不到時先調到 0.3~0.5。

          

          

            
            
            
先用本地比對取前 N 個候選段落再精排。預設 20。

          


          

            

              進階：Gemma / OCR 端點（選填）
              

                

                  

                    
                    
                    
                  

                

                

                  

                    
                    
                    
                  

                

                

                  
                  
                  
自備 Gemma 服務網址；留空用本機 Gemma。

                

                

                  
                  
                  
Gemma 模型 ID；留空用預設。

                

              

            

          


          

            
          

        

        


        
        

          

            
            
            
          

          

        

      


    

  


  
  

    
結果瀏覽

    
左側聚焦檔案選取，右側聚焦內容閱讀，讓結果頁更像穩定的閱讀工作台。


    

      
      
      
      
      
      
      
    


    
檔案與內容

    

      

      

        

          

            
Content Workspace

            
結果內容工作區

            
選擇左側檔案後，可在這裡切換 Markdown、標籤與中繼資訊。

          

          

            
            
          

        


        


        

          
          
          
          
        


        

          
          
尚未載入內容

          
先從左側挑選檔案，工作區會保留固定框架，並在同一區塊切換 Markdown、標籤與中繼資訊。

        


        

          

            

          

          

            

              
            

            

          

          

            

          

          

            

          

        

      

    

  


  
  

    
設定


    

      

        

          
          
        


        

          

            
            
          

        


        

          
          
        


        

          
          

            

              
              
            

            

              
              
            

          

        


        

          

            
            
          

        


        

          
          
        


        

          
          
          

            多檔上傳時同時送出的請求數（1~20，預設 5）。每個檔案各建立一個任務；
            調高比較快，但後端負載也跟著上升。填 1 等於一次只送一個。
          

        


        

          
          
        

      

    


    

  


  
  

    
伺服器設定


    

      
      這裡改的是後端主機自己的 .env，不是這台瀏覽器的偏好設定。
      變更會立刻生效並影響所有使用同一台伺服器的人。
      （只想改自己的偏好請到「設定」頁。）
    


    

      

        

          
          
          

            會以 X-Admin-Token 送出；留空就完全不帶這個標頭。目前的測試機未啟用此驗證。
          

        

        

          
        

      


      

        

          

            

              
欄位值

              
            

          

          
          只有實際改動過的欄位會送出；金鑰欄位一律不送。