feat(review): PDF/图片离线源适配(C1)—— 无需 CAD 的整条审查链路
支持直接审查 PDF 与位图图纸,全链路离线(不连 CAD、不连 8080 端口)。 渲染在内存内完成,复用既有墨迹热力图 + 自适应瓦片规划。 - 新增 dwg_review/sources.py - detect_source / plan_file / collect 统一入口 - PdfReader:pypdfium2 惰性导入,页序即图框序,处理 /Rotate 与 crop 边距 - ImageReader:世界单位 = 源像素,snap_box 整数对齐保证窗口与像素严格一致 - ink_grid:纯 PIL 灰度阈值 → 占用网格(不引入 numpy) - ReviewContext.create(connect_cad=False):离线时 client/tools 均为 None - 全链路 ctx.tools is None 守卫:review 只读子循环 / inspect_region / annotator / checks 的窗口类检查 / 绘图区最大化 - checklist.build_system_prompt(allow_tools=False, offline=True):离线提示词 - __main__:位置参数 source,按扩展名自动判定源类型并决定是否连 CAD - config 新增 8 个常量(PDF_MAX_PAGES / 文本最小字数 / 各源缩放上限 / 墨迹阈值等) - tiling.content_predicate 与 heatmap.cell_box 提升为公开函数 验证: - pytest 457 passed - verify_pdf_source.py:PDF 23/23、图片 9/9(不需 CAD),含实测瓦片字高像素与 旋转映射自检(文本区墨迹 0.311 vs 忽略 /Rotate 反向对照 0.145) - 真实 LLM 端到端:20 页 HVAC 图纸前 3 页跑通,结论具体可核验且未编造 handle 已知局限:页边线在墨迹网格里会把整页连成单簇,瓦片常退化为整页象限(CAD 侧 靠 drop_oversized 丢图框块,离线侧暂无等价手段),留待后续打磨。
This commit is contained in:
1 parent
d4a9442e30
commit
6143bb9ab2
32 files changed
+2617
-77
No files matched your search
@@ -223,6 +223,26 @@ def visible_box(box, view_px, margin=0.0):
|
||||
return (cx - vw / 2.0, cy - vh / 2.0, cx + vw / 2.0, cy + vh / 2.0)
|
||||
|
||||
|
||||
def content_predicate(boxes):
|
||||
"""构造「该窗口内是否有内容」谓词;无 box 返回 None。
|
||||
|
||||
用于剔除空白瓦片:簇 / 象限的 bbox 只是**包围盒**,L 形或斜向分布会含大片空白。
|
||||
这里直接按**内容 bbox** 判断——比先量化成占用格更精确(格子的跨界膨胀会把
|
||||
相邻空白瓦片也判成有内容)。接触即算有内容(保守,宁可多拍不漏)。
|
||||
|
||||
CAD 侧传实体 bbox;PDF / 图片侧传**占用墨迹格**的 bbox(见 `sources.ink_grid`)。
|
||||
"""
|
||||
boxes = [b for b in (norm_box(x) for x in (boxes or [])) if b]
|
||||
if not boxes:
|
||||
return None
|
||||
|
||||
def _has_content(win):
|
||||
box = window_to_box(win)
|
||||
return box is not None and any(boxes_intersect(box, b) for b in boxes)
|
||||
|
||||
return _has_content
|
||||
|
||||
|
||||
def cluster_text_flags(clusters, text_boxes):
|
||||
"""标记每个簇是否含文字类实体(bbox 相交即算,保守)。
|
||||
|
||||
|
||||
Reference in new issue
Block a user