CHANGELOG.md
5.3 KB查看排版效果| 1 | # Changelog |
| 2 | |
| 3 | ## [3.4.0] - 2026-07-30 |
| 4 | ### Changed |
| 5 | - **SKILL.md 分层精简** — 从 578 行缩减至 82 行（-83%），对标 OpenAI 上下文压缩策略 |
| 6 | - 详细教程按主题拆分为 6 个独立 references 文件（按需加载）：LiteParse / PaddleOCR Python 3.13 / 预处理 / 结构化解析 / PP-OCRv6 / 完整备份 |
| 7 | - 保留 SKILL.md 核心：快速选择命令 + 工作流 + 性能速查 + 注意事项 |
| 8 | - 新增预处理关键词标注（deskew/orient/unwarp） |
| 9 | |
| 10 | ### Added |
| 11 | - **ppocrv6-guide.md 更新** — 新增官方 v3.7.0 50 语言统一模型、Apple Silicon CoreML 加速、浏览器端运行、Web 工作台、OpenVINO 加速数据 |
| 12 | |
| 13 | ## [3.3.0] - 2026-06-26 |
| 14 | ### Added |
| 15 | - **GPU 加速** — DirectML 后端支持 Intel/AMD/NVIDIA GPU，默认 GPU 推理 |
| 16 | - `--device cpu|gpu` 参数，默认 gpu |
| 17 | - Intel Arc B390 提速 6-9x（Tiny 10.5ms, Small 18.7ms, Medium 48.6ms） |
| 18 | - 需 `onnxruntime-directml` 替代 `onnxruntime` |
| 19 | |
| 20 | ### Fixed |
| 21 | - **det 后处理修复** — 4D 输出 squeeze + ImageNet 归一化 |
| 22 | - **rec 后处理修复** — char_dict 使用 list 索引（非 dict 查找）+ CTC 解码 |
| 23 | - **Small/Medium 字符字典** — 自动从 inference.yml 解析 character_dict |
| 24 | |
| 25 | ### Changed |
| 26 | - SKILL.md F 节标题更新为"GPU 加速" |
| 27 | - 迁移说明更新，提及 DirectML 提速数据 |
| 28 | - `pdf_ocr_v6.py` 新增字符字典诊断输出 |
| 29 | |
| 30 | --- |
| 31 | |
| 32 | ## [3.2.0] - 2026-06-21 |
| 33 | ### Added |
| 34 | - **新增 F 节：PP-OCRv6 三档模型 OCR** — 基于 ONNX Runtime，无需 PaddlePaddle 框架 |
| 35 | - Tiny (1.5 MB)：极速，可浏览器端运行 |
| 36 | - Small (7.7 MB)：性能均衡 |
| 37 | - Medium (34.5 MB)：精度最高 |
| 38 | - CLI 工具: `scripts/pdf_ocr_v6.py` (支持 --tier 切换) |
| 39 | - 脚本: `scripts/pdf_ocr_v6.py` — PP-OCRv6 ONNX Runtime 推理 CLI |
| 40 | - 性能参照表新增 PP-OCRv6 三档数据 |
| 41 | - 准确率表新增 OmniDocBench 评测数据 |
| 42 | |
| 43 | ### Changed |
| 44 | - 快速选择流程更新：扫描件优先推荐 PP-OCRv6 |
| 45 | - 工作流总览加入模型档位选择步骤 |
| 46 | - 版本号 3.1.0 → 3.2.0 |
| 47 | - description 更新提及 PP-OCRv6 三档模型 |
| 48 | |
| 49 | --- |
| 50 | |
| 51 | ## [3.1.0] - 2026-06-14 |
| 52 | ### Changed |
| 53 | - **Description 重写为意图路由型** — 按 Anthropic Skill 方法论，从功能介绍型改为"当用户需要...时使用"格式 |
| 54 | - **移除常识性内容（~2.4KB）** — 保留 Gotchas（Python 3.13 兼容性等），移除模型已知的代码示例、JSON 示例、安装命令 |
| 55 | - **OpenDataLoader 节大幅精简** — 从 30 行压缩到 3 行，详情迁至 references |
| 56 | - 版本号 3.0.0 → 3.1.0 |
| 57 | |
| 58 | ### Removed |
| 59 | - PaddleOCR 基础 Python 代码示例（模型已知 API） |
| 60 | - LiteParse 安装命令（pip install 是常识） |
| 61 | - D 节 Python import 示例 |
| 62 | - E 节 JSON 结构示例 |
| 63 | |
| 64 | --- |
| 65 | |
| 66 | ## [3.0.0] - 2026-06-13 |
| 67 | ### Added |
| 68 | - **新增 D 节：文档预处理** — OpenCV 驱动的扫描件增强管线 |
| 69 | - 倾斜校正 (deskew)：Hough 变换检测文本角度, 自动旋转 |
| 70 | - 方向校正 (orient)：文本投影分析, 自动旋转倒置/侧向页面 |
| 71 | - 文档展平 (unwarp)：透视变换校正弯曲/变形的文档照片 |
| 72 | - CLI 工具: `scripts/pdf_preprocess.py` (支持 PDF + 单图) |
| 73 | - 预览模式: `--preview` 显示原图 vs 处理对比 |
| 74 | - **新增 E 节：结构化文档解析** — docling 版面分析 + 结构化输出 |
| 75 | - 标题层级识别、段落/列表/表格结构化输出 |
| 76 | - 表格提取为 Markdown 表格 + JSON 网格 |
| 77 | - CLI 工具: `scripts/pdf_parse_structured.py` |
| 78 | - 输出: 结构化 Markdown + 含 bbox 坐标的 JSON |
| 79 | - **scripts/ 目录** — 独立的 Python 工具脚本, 可 CLI 调用或作为模块导入 |
| 80 | - 性能参照表新增预处理和结构化解析行 |
| 81 | - 准确率表新增"预处理后"行 (~98%+) |
| 82 | |
| 83 | ### Changed |
| 84 | - 工作流更新: 扫描件建议走 `prep` → `pdf2md` / `structured_parse` |
| 85 | - 版本号 2.2.0 → 3.0.0 |
| 86 | - description 更新提及预处理和结构化解析 |
| 87 | |
| 88 | --- |
| 89 | |
| 90 | ## [2.2.0] - 2026-06-05 |
| 91 | ### Added |
| 92 | - Python 3.13 兼容性说明（imghdr、np.sctypes、OpenCV） |
| 93 | - Windows 平台注意事项（编码、文件路径、DLL 加载） |
| 94 | - 最佳实践章节（分阶段验证、独立虚拟环境、预检查依赖） |
| 95 | |
| 96 | ### Changed |
| 97 | - 更新 B 节（PaddleOCR）添加 Python 3.13 兼容性注意事项 |
| 98 | - 更新 references/paddleocr.md 添加 Python 3.13 兼容性章节 |
| 99 | - 版本号 2.1.0 → 2.2.0 |
| 100 | |
| 101 | --- |
| 102 | |
| 103 | ## [2.1.0] - 2026-06-03 |
| 104 | ### Added |
| 105 | - LiteParse（Rust）快速通道，文本层 PDF 解析从 ~300ms 降至 ~0.9ms/页 |
| 106 | - 新增 `lit parse input.pdf --no-ocr` CLI 命令 |
| 107 | - PaddleOCR 中文扫描件保留为默认 OCR 引擎（~97%+） |
| 108 | - LiteParse 截图输出功能（`lit screenshot`） |
| 109 | - 快速选择流程：先试 LiteParse --no-ocr，空结果退到 pdf2md |
| 110 | |
| 111 | ### Changed |
| 112 | - 工作流由 OpenDataLoader 优先改为 LiteParse 优先 |
| 113 | - 性能参照表扩充为 5 行（含 LiteParse / Tesseract / PaddleOCR 对比） |
| 114 | - description 更新提及 LiteParse 和 Office 格式支持 |
| 115 | |
| 116 | ### Removed |
| 117 | - OpenDataLoader 不再作为默认建议（保留为备选，需 Java 11） |
| 118 | |
| 119 | ## [1.1.0] - 2026-05-14 |
| 120 | ### Changed |
| 121 | - 正式更名为 `pdf-ocr-md`（原 `pdf2md` 在 SkillHub/ClawHub 已被占用） |
| 122 | - SKILL.md 内 name、标题同步更新 |
| 123 | |
| 124 | ## [1.0.0] - 2026-05-14 |
| 125 | ### Added |
| 126 | - 初始版本 |
| 127 | - 文本层 PDF：OpenDataLoader 直读（~0.015s/页） |
| 128 | - 扫描件：docling 版面分析 + PaddleOCR PP-OCRv4（中文 ~97%+） |
| 129 | - CLI 封装（~/.local/bin/pdf2md） |
| 130 | - 模型自动下载（hf-mirror / modelscope，国内畅通） |
文件内容是平台检查时读出的文本，只供查看。平台不会运行包里的任何脚本或程序。
