raisfast/services/docreader/RAISFAST.md

docreader（文档解析服务，vendored）

WeKnora 的 docreader 文档解析服务，作为 raisfast KB 的可选外部解析引擎 （kb-parser-engines-design.md §2，引擎名 docreader，gRPC :50051）。

来源与许可

• 上游：https://github.com/Tencent/WeKnora 的 docreader/ 目录
• 锁定 commit：647848f3954dae34473b8a8d0e0eef5e0fb3a58e（2026-09-07）
• 许可：MIT（见 LICENSE.upstream，Tencent/WeKnora 项目许可，含第三方组件例外条款）
• 同步方式：rsync -a --exclude '__pycache__' ../third/WeKnora/docreader/ .（third/ 为上游 checkout）

运行

docreader 以自身为包运行（from docreader.auth import …），必须从父目录以模块方式启动 [抄上游 Dockerfile.docreader: uv run -m docreader.main]。

# 本地源码跑——推荐脚本（首次自动 uv sync；镜像用 UV_DEFAULT_INDEX 环境变量）
./services/run_docreader.sh

# 等价手动形式（uv --project 会切工作目录，PYTHONPATH 必须锚定 services/）
cd services/
uv sync --project docreader --default-index https://pypi.tuna.tsinghua.edu.cn/simple
PYTHONPATH="$PWD" uv run --project docreader -m docreader.main

# 可选：挂 MinerU 后端增强扫描件（不配则用内置 pdfium 栅格化）
DOCREADER_MINERU_ENDPOINT=http://mineru:8000 uv run --project docreader -m docreader.main

# 官方镜像（不自管源码时的替代）
docker run -d -p 50051:50051 wechatopenai/weknora-docreader

raisfast 侧只需 RAISFAST_KB_DOCREADER_URL=http://127.0.0.1:50051； KB 行 parser_config.rules 把 pdf/图片路由到 docreader 引擎。

注意：raisfast 的对接走 ReadRequest.file_content（字节进）+ ImageRef.image_data（字节回），无需配置 MinIO/对象存储。

环境变量（常用）

变量	默认	说明
DOCREADER_GRPC_PORT / PORT	50051	gRPC 监听端口（注意：macOS 装了 Multipass 时 50051 被 multipassd 占用——用 50052 等替代，并同步 RAISFAST_KB_DOCREADER_URL）
DOCREADER_MINERU_ENDPOINT	—	MinerU 后端（扫描件增强）
GRPC_AUTH_TOKEN	—	gRPC 认证 token（内网可不开；设置后 raisfast 侧需带 metadata）

完整配置见 config.py；上游文档见其 README.md。