Плагины

Преобразует документы Office и PDF (включая отсканированные) в структурно форматированный Markdown через конвейер OCR с маршрутизацией с приоритетом CPU (RapidOCR/SLANet/FormulaNet).

Конвейер для сканированных учебников: OCR примерно в 5 раз быстрее ONNXRuntime (нужны Python 3.10+, pymupdf, rapidocr, openvino и numpy), затем отчёт о структуре и план чтения по главам до открытия PDF.

Регистрирует инструмент ocr для текстовых моделей: запускает встроенный офлайн-скрипт на одном изображении или PDF и возвращает распознанный текст. Сначала встроенный OCR Windows, затем RapidOCR и Tesseract. Обработка локальная, без сети и API-ключа. Нужны Python 3.11 в PATH и pip install winocr pillow (предпочтителен winocr, остальные — запасные варианты). Для изображений результат построчно, для PDF — по страницам.

Регистрирует два инструмента для DeepSeek Harness. `doc_ocr` обрабатывает сканированные PDF и изображения в локальном RapidOCR или облачном Zhipu GLM-OCR и возвращает текст по страницам, финансовые таблицы с проверкой баланса и найденные пункты договоров. `doc_preprocess` превращает каталог исходных файлов в базу Obsidian с семиэтапным pipeline, маршрутизацией backend и инкрементальным пропуском по sha256. Несошедшиеся числа отмечаются, а не выдумываются. Для локального engine нужен Python с rapidocr-onnxruntime, pypdfium2, Pillow (`pip install -r requirements.txt`); GLM требует ZHIPU_API_KEY.

Плагин офлайн-распознавания текста на изображениях для DeepSeek Harness: основной движок PaddleOCR-json, запасной — RapidOCR-json. Vision-модель не нужна; обработка полностью локальная и офлайн.

Двухуровневое чтение изображений для текстовых моделей: сначала быстрый локальный офлайн-OCR через RapidOCR, затем резервная vision-модель через modlens.