AI相关系列二：部署GLM-OCR

背景

尝鲜GLM-OCR

结果仓库：https://github.com/boommanpro/glm-ocr-local-demo

过程中个人仅需要输出提示词，在github创建了仓库，然后就结束了😅

效果

测试图片：

系统截图

提示词

使用的是模型GLM-5，提示词如下：

制定一个完整的GLM-OCR安装、测试及Web服务部署计划，具体步骤如下：

1. 环境准备阶段：

- 检查当前电脑操作系统版本及Python环境（建议Python 3.8+）

- 确认系统是否已安装必要依赖（如Git、C++编译工具、CUDA等，根据GLM-OCR官方要求）

- 创建并激活Python虚拟环境以避免依赖冲突

2. GLM-OCR安装阶段：

- 从官方仓库克隆或下载GLM-OCR项目源码

- 按照官方文档安装项目所需的Python依赖包（使用requirements.txt）

- 下载预训练模型文件并放置到指定目录

- 执行安装验证命令，确保GLM-OCR核心功能可正常运行

3. Python测试阶段：

- 创建基础测试脚本，实现图片加载功能

- 调用GLM-OCR API对测试图片进行文字识别

- 验证识别结果的准确性和完整性

- 处理可能出现的异常情况（如图片格式不支持、模型加载失败等）

4. Web服务开发阶段：

- 选择合适的Web框架（如Flask或FastAPI）

- 设计并实现文件上传接口，支持常见图片格式（JPG、PNG等）

- 集成GLM-OCR识别功能到Web服务中

- 设计响应格式，确保识别结果以清晰的JSON格式返回

- 实现简单的前端页面，包含图片上传区域和结果展示区域

5. 系统测试与优化阶段：

- 测试Web服务的功能完整性（上传、识别、结果返回）

- 验证多图片并发处理能力

- 优化识别性能和响应速度

- 添加必要的错误处理和用户提示

6. 部署与文档阶段：

- 整理项目结构和运行说明

- 提供清晰的启动和停止服务的命令

- 记录已知问题及解决方案

请按照以上计划逐步实施，确保每个阶段完成后进行功能验证，再进入下一阶段。


我期望web服务不仅提供api接口，也提供可视化的web页面，供我进行测试，请实现

请优化项目结构，仅保持venv环境，以及最简化他人可部署结构即可，并且将readme写清楚。删除项目中的无用文件和目录