深求·墨鉴快速上手：Docker Compose部署详解，体验传统美学与AI的融合

1. 引言：当古籍遇见代码，当水墨拥抱AI

想象一下这样的场景：你从图书馆借回一本泛黄的旧书，书页边缘已经微微卷起，上面布满了前人阅读时留下的笔记。你想把这些珍贵的文字和批注数字化，保存下来。传统的做法是什么？一个字一个字地敲进电脑，或者用那些冰冷的OCR工具扫描，然后花几个小时校对格式错乱、公式丢失、表格变形的结果。

这不仅仅是效率问题，更是一种体验的割裂。我们处理的是承载着文化与思想的文字，使用的却是毫无美感的工具。

今天，我要带你体验的「深求·墨鉴」，试图改变这种割裂。它不仅仅是一个OCR工具，更是一次将中国传统美学融入现代科技的尝试。它把文档解析这件事，从冰冷的“识别”，变成了温润的“研墨”。

在接下来的内容里，我不会跟你讲复杂的深度学习原理，也不会罗列一堆技术参数。我只做一件事：用最简单、最直接的方式，带你从零开始，在本地部署一个完整可用的深求·墨鉴服务。整个过程，你只需要三个命令，一个配置文件，和大约十分钟的时间。

2. 部署前的准备：理解你的“数字文房”

2.1 硬件要求：你需要多强的“砚台”？

很多人一听到“深度学习”、“AI模型”，就觉得必须要有顶级显卡。但深求·墨鉴的设计初衷就是亲民。让我们看看实际需要什么：

基础配置（完全够用）

• CPU：近五年内主流的桌面或笔记本处理器即可，比如 Intel i5-8400 或 AMD Ryzen 5 2600。它更看重核心数量，6核12线程的CPU处理单页文档通常只需要2-3秒。
• 内存：8GB是底线，16GB是舒适区。当你处理几十页的PDF时，充足的内存能保证流畅。
• 硬盘：预留2-3GB空间，主要用于存放Docker镜像和模型文件。

关于GPU的真相 这个工具默认使用CPU进行推理，效果已经非常出色。只有在需要批量、高速处理数百页高清文档时，启用GPU加速才有明显意义。对于绝大多数个人用户、学者、文案工作者，CPU模式绰绰有余。

不支持的平台 目前需要留意的是，它尚未提供针对苹果M系列芯片（M1, M2, M3）的原生ARM版本。在基于Intel芯片的Mac或Windows/Linux系统上部署则毫无问题。

2.2 核心理念：它和普通OCR到底哪里不同？

为了让你更直观地理解，我们抛开技术术语，看看实际处理文档时的区别：

假设你有一张扫描的学术论文页，上面有文字、一个表格和一个数学公式。

• 普通OCR工具：它会像“认字机器”一样，从左到右、从上到下识别出字符，然后给你一大段文字。结果很可能是：表格的边框消失了，所有内容挤成一团；公式里的希腊字母和上下标变成乱码；段落标题和正文混在一起。
• 深求·墨鉴：它会像一位“懂行的编辑”一样去理解页面。它能看出哪里是标题（字号大、居中），哪里是表格（有线条和格子），哪里是公式（特殊的数学符号排列）。最终，它给你的不是纯文本，而是一份结构清晰的Markdown文档：标题带#号，表格保持行列，公式被完整地转换成LaTeX代码，可以直接在支持Markdown的编辑器里漂亮地渲染出来。

这种对文档结构的理解能力，才是它的核心价值。它让你的数字化成果“可用”，而不仅仅是“可读”。

2.3 为什么选择Docker Compose部署？

你可能会问，既然有可执行文件或Python脚本，为什么用Docker？原因在于“完整”和“干净”。

深求·墨鉴不是一个单一的程序，它由三个协同工作的部分组成：

1. 前端（Web界面）：你看到的水墨风格操作页面。
2. 后端（API服务）：接收你的图片，管理任务队列。
3. 工作器（推理引擎）：真正运行AI模型，进行文字识别和结构分析的部分。

Docker Compose就像一个智能管家，用一个配置文件（docker-compose.yml）把这三个部分打包管理好。它帮你处理好它们之间的网络通信、文件共享和启动顺序。最大的好处是隔离性——它不会污染你电脑上现有的Python环境或其他软件。用完以后，一条命令就能清理得干干净净。

3. 三步部署实战：从零启动你的墨鉴

3.1 第一步：安装必要的“笔墨纸砚”

首先，确保你的电脑上已经安装了Docker引擎和Docker Compose。打开终端（Windows用PowerShell或CMD，Mac/Linux用Terminal），输入以下命令检查：

docker --version
docker compose version

如果能看到版本号（Docker建议≥24.0，Compose建议≥2.20），那么恭喜，你已经准备好了。如果提示命令未找到，你需要先去Docker官网下载并安装Docker Desktop（Windows/Mac）或对应的Linux包。

给Windows用户的重要提示：请务必以管理员身份运行PowerShell或命令提示符，否则后续步骤中创建文件目录可能会失败。

3.2 第二步：准备“书房”与“画卷”

我们需要一个专门的目录来存放所有配置和文件。这个目录就是你的“数字书房”。

1. 创建一个新目录，并进入它。你可以在任何你喜欢的位置创建，比如在用户主目录下：

   mkdir -p ~/deepseek-ink
   cd ~/deepseek-ink
   

   （~代表你的用户主目录，在Windows上可能是C:\Users\你的用户名）

2. 在这个目录里，创建最重要的配置文件——docker-compose.yml。你可以用任何文本编辑器（如VS Code、Notepad++、甚至系统自带的记事本）创建并粘贴以下内容：

   version: '3.8'
   
   services:
     web:
       image: registry.cn-hangzhou.aliyuncs.com/deepseek-ink/web:v2.3.0
       ports:
         - "8080:80"
       depends_on:
         - api
       volumes:
         - ./uploads:/app/uploads
         - ./downloads:/app/downloads
       environment:
         - API_BASE_URL=http://api:8000
   
     api:
       image: registry.cn-hangzhou.aliyuncs.com/deepseek-ink/api:v2.3.0
       depends_on:
         - worker
       environment:
         - WORKER_URL=http://worker:8001
         - UPLOAD_DIR=/app/uploads
         - DOWNLOAD_DIR=/app/downloads
   
     worker:
       image: registry.cn-hangzhou.aliyuncs.com/deepseek-ink/worker:v2.3.0
       volumes:
         - ./models:/app/models
   

   这个配置文件做了几件关键事：

   • 端口映射：将容器内的80端口映射到你电脑的8080端口。这意味着你稍后通过浏览器访问 http://localhost:8080 就能打开界面。
   • 目录挂载：将你本地deepseek-ink目录下的uploads和downloads文件夹，分别映射到容器内，用于存放你上传的图片和导出的Markdown文件。这样文件不会丢失在容器里。
   • 模型持久化：将模型文件存放在本地的models目录，避免每次重启都重新下载。

3.3 第三步：“研墨启笔”，启动服务

现在，激动人心的时刻到了。确保你的终端当前位于~/deepseek-ink目录，然后输入一条简单的命令：

docker compose up -d

按下回车后，你会看到屏幕开始滚动日志，Docker会从网络拉取三个必要的镜像。第一次运行需要一点时间下载（总计约1.3GB），请保持网络通畅。

当看到类似下面的输出，并且最终回到命令行提示符时，就表示启动成功了：

[+] Running 3/3
 ✔ Network deepseek-ink_default       Created
 ✔ Container deepseek-ink-worker-1    Started
 ✔ Container deepseek-ink-api-1       Started
 ✔ Container deepseek-ink-web-1       Started

现在，打开你的浏览器，在地址栏输入：http://localhost:8080

如果一切顺利，一幅素雅的水墨风格界面将会呈现在你面前。左侧是“卷轴入画”区（用于拖放图片），右上角是红色的「研墨启笔」按钮。你的私人文档解析工具，已经准备就绪。

快速验证：找一张清晰的印刷文档图片（比如手机拍一页书），拖入左侧区域，点击「研墨启笔」。稍等几秒，如果右侧“墨影初现”区域出现了工整的文字，并且“笔触留痕”区域显示了文字块的彩色框，那么恭喜，部署圆满成功！

4. 进阶使用：让工具更贴合你的习惯

4.1 调整配置，应对特殊文档

默认配置适合大多数情况。但如果你经常处理一些“特别”的文档，可以微调一下。

• 处理超大图片：如果你扫描的是高清古籍图，单张可能超过10MB。可以修改docker-compose.yml中api服务的环境变量，提高文件大小限制和超时时间。

  environment:
    - WORKER_URL=http://worker:8001
    - UPLOAD_DIR=/app/uploads
    - DOWNLOAD_DIR=/app/downloads
    - MAX_FILE_SIZE=52428800  # 将上传限制提高到50MB (50 * 1024 * 1024)
    - TIMEOUT_SECONDS=180      # 将超时时间延长到3分钟
  

  修改后，需要重启服务：docker compose down && docker compose up -d

• 启用GPU加速（可选）：如果你有NVIDIA显卡并已安装好驱动和Docker GPU支持，可以解锁更快的速度。编辑docker-compose.yml中worker服务的部分，将注释掉的GPU配置启用，并注释掉CPU的命令行。

  worker:
    image: registry.cn-hangzhou.aliyuncs.com/deepseek-ink/worker:v2.3.0
    # 注释掉下面这行CPU命令
    # command: ["onnxruntime", "--cpu"]
    # 取消下面几行的注释以启用GPU
    runtime: nvidia
    deploy:
      resources:
        reservations:
          devices:
            - driver: nvidia
              count: 1
              capabilities: [gpu]
    volumes:
      - ./models:/app/models
  

4.2 批量处理：解放双手的自动化技巧

虽然网页界面很美，但如果你有上百张图片需要处理，一张张上传点击就太累了。深求·墨鉴提供了后台API，允许你通过命令行批量处理。

假设你的图片都在一个叫scans的文件夹里，你可以写一个简单的Python脚本（需要安装requests库）：

import os
import requests
import time

api_url = "http://localhost:8000/v1/parse"
image_folder = "./scans"
output_folder = "./output_md"

os.makedirs(output_folder, exist_ok=True)

for filename in os.listdir(image_folder):
    if filename.lower().endswith(('.png', '.jpg', '.jpeg')):
        file_path = os.path.join(image_folder, filename)
        
        # 1. 上传图片并开始解析
        with open(file_path, 'rb') as f:
            files = {'file': (filename, f, 'image/jpeg')}
            data = {'output_format': 'markdown'}
            response = requests.post(api_url, files=files, data=data)
            task_id = response.json().get('task_id')
            print(f"已提交: {filename}, 任务ID: {task_id}")
        
        # 2. 轮询等待结果
        result_url = f"http://localhost:8000/v1/task/{task_id}"
        while True:
            time.sleep(2)  # 每2秒检查一次
            result_resp = requests.get(result_url)
            result_data = result_resp.json()
            status = result_data.get('status')
            
            if status == 'completed':
                markdown_text = result_data.get('result', {}).get('markdown')
                # 3. 保存结果
                output_path = os.path.join(output_folder, f"{os.path.splitext(filename)[0]}.md")
                with open(output_path, 'w', encoding='utf-8') as md_file:
                    md_file.write(markdown_text)
                print(f"已完成: {filename}")
                break
            elif status == 'failed':
                print(f"处理失败: {filename}")
                break
            # 如果状态是'processing'，继续循环等待

这个脚本会自动上传文件夹内所有图片，并等待解析完成后，将Markdown文本保存到output_md文件夹。你可以一边喝咖啡，一边让AI帮你完成枯燥的转录工作。

5. 常见问题与排查指南

即使按照步骤操作，偶尔也可能遇到小问题。这里列出几个最常见的场景和解决方法。

5.1 浏览器打开localhost:8080显示“无法连接”

首先，别慌。按顺序检查以下几点：

1. 服务是否真的在运行？ 在终端里运行 docker compose ps。你应该看到三个服务（web, api, worker）的状态都是 Running。如果有任何一个显示 Exited 或 Restarting，那就是它出问题了。

2. 查看日志找线索： 针对状态异常的服务，查看它的日志。比如worker服务挂了，就运行：

   docker logs deepseek-ink-worker-1
   

   常见的错误是内存不足（OOM）。如果日志里有相关提示，可以尝试在docker-compose.yml的worker服务下增加内存限制：

   worker:
     # ... 其他配置 ...
     deploy:
       resources:
         limits:
           memory: 4G  # 限制最大使用4GB内存
   

3. 端口被占用了吗？ 也许你电脑上已经有其他程序占用了8080端口。你可以修改docker-compose.yml中web服务的端口映射，比如改成 - "8090:80"，然后通过 http://localhost:8090 访问。

5.2 上传图片后，点击按钮长时间没反应

这通常是因为AI模型正在“努力思考”，尤其是处理第一张图片或复杂图片时。

• 耐心等待：首次启动或处理高分辨率、内容复杂的图片（如整页表格）时，可能需要10-20秒。请观察界面，通常会有微妙的加载提示。
• 检查后台负载：打开另一个终端，运行 docker stats，查看deepseek-ink-worker-1容器的CPU使用率。如果持续在90%以上，说明正在全力计算，属于正常现象。
• 确认图片格式：确保上传的是JPG、PNG或JPEG格式，并且不是损坏的文件。

5.3 导出的Markdown文件里，公式显示为代码而不是渲染后的样式

这是一个美丽的“误会”。深求·墨鉴完美地完成了它的工作——将公式识别并转换成了标准的LaTeX代码（例如 $$E=mc^2$$）。问题出在你的Markdown阅读器没有开启数学公式渲染功能。

解决方案：

• 在Obsidian中使用：安装并启用“MathJax”或“LaTeX Suite”插件。
• 在Typora中使用：进入“偏好设置” -> “Markdown” -> 勾选“内联公式”和“块级公式”。
• 在VS Code中预览：安装“Markdown Preview Enhanced”插件，它会在预览窗格中自动渲染公式。
• 终极验证：用纯文本编辑器（如记事本）打开导出的.md文件，如果你能看到完整的$$...$$或$...$包裹的LaTeX代码，就证明导出完全正确，只是需要合适的工具来“欣赏”它。

6. 总结

回顾一下，我们完成了一件什么事？我们没有安装复杂的Python环境，没有折腾令人头疼的依赖库，仅仅通过一个docker-compose.yml配置文件和几条命令，就在本地搭建起了一个融合了前沿AI能力与传统美学设计的文档解析工具。

你部署的不仅仅是一个工具，更是一个高效的工作流入口。无论是学术研究中的文献摘录，还是日常办公的会议纪要整理，抑或是个人兴趣的古籍数字化，你现在都有了更优雅、更强大的选择。它把从“图片”到“结构化文本”的繁琐过程，简化成了“拖入”和“点击”两个动作。

技术的终点，应该是让人感受不到技术的存在，而是专注于创造本身。深求·墨鉴用它的水墨界面和精准的解析能力，朝这个方向迈进了一步。现在，你的“数字文房”已经备好，宣纸（界面）已铺开，徽墨（AI模型）已研好，接下来，就是让你的思想与知识，在这方寸之间自由流淌了。

---

获取更多AI镜像

想探索更多AI镜像和应用场景？访问 CSDN星图镜像广场，提供丰富的预置镜像，覆盖大模型推理、图像生成、视频生成、模型微调等多个领域，支持一键部署。