日本房产文档智能解析系统 - 从 PDF/图片自动提取结构化数据
# 1. 安装依赖
just sync
# 2. 配置
cp config.example.toml config.toml
# 编辑 config.toml：
# - 设置 OpenRouter API Key
# - 生成安全访问令牌：just token（自动更新 config.toml）
# 3. 启动服务 (两个终端)
# 终端 1: 启动 OCR 服务
just ocr
# 终端 2: 选择以下任一模式
# 开发模式（推荐）：前后端同时运行，热重载
just dev # 访问 http://localhost:8080?token=your-access-token
# 生产模式：先构建前端，再启动后端（使用静态文件）
just build && just run # 访问 http://localhost:8080?token=your-access-token- 多格式支持：PDF、PNG、JPG
- 自动提取：价格、面积、地址、车站、房间布局等 20+ 属性
- 智能重试：OCR/LLM 失败自动切换模型重试
- 可视化编辑：文档预览 + OCR 文本 + 属性编辑
- 筛选收藏：按价格、面积、类型等多维度筛选
- 车站时长：记录到常用位置的通勤时间
上传文档 → SQLite → OCR (vLLM) → LLM (OpenRouter) → 结构化数据
↓
后台异步处理
config.toml:
[llm]
api_key = "sk-or-..."
base_url = "https://openrouter.ai/api/v1"
models = ["google/gemini-2.0-flash-exp:free"]
[ocr]
endpoint = "http://localhost:8000/v1"
model = "rednote-hilab/dots.ocr"
[app]
host = "0.0.0.0"
port = 8080 # 生产模式端口（just run）
upload_dir = "./uploads"
db_path = "./data.db"
access_token = "your-secret-token-here" # 设置为强密码访问方式：
- 所有请求必须在 URL 中包含
?token=your-access-token - 例如：
http://localhost:8080?token=your-secret-token-here - 没有 token 的请求将返回空响应（防止扫描）
端口说明：
just dev：前端 8080，后端 8081（开发模式）just run：8080（生产模式，前后端统一端口）
| 类别 | 属性 |
|---|---|
| 基本信息 | 类型、名称、地址、都道府县、区市町村 |
| 建筑信息 | 建成年份、构造、总楼层、所在楼层、朝向 |
| 房间布局 | 布局类型、专有面积、阳台面积 |
| 价格信息 | 售价、管理费、修缮积立金 |
| 交通配套 | 最近车站、步行时长、停车场、宠物政策 |
单位自动转换：畳 (×1.62) → m²，坪 (×3.3) → m²
- Python 3.12 + uv
- FastAPI (Web框架)
- SQLite (数据库)
- vLLM (OCR推理)
- OpenRouter (LLM API)
- Vue 3 + TypeScript + Vite (前端)
- TailwindCSS 4 (UI样式)
- Bun (前端包管理)
housing-ocr/
├── src/
│ ├── app.py # FastAPI 应用和路由
│ ├── models.py # 数据库模型
│ ├── ocr.py # OCR 客户端
│ ├── llm.py # LLM 提取逻辑
│ └── processor.py # 后台处理队列
├── frontend/ # Vue 3 前端项目
│ ├── src/ # 前端源代码
│ ├── dist/ # 构建产物
│ ├── package.json
│ └── vite.config.ts
├── data/ # 数据目录
├── config.example.toml # 配置示例
├── justfile # 命令行任务
└── pyproject.toml
just default # 显示所有可用命令
just sync # 安装 Python 依赖
just token # 生成安全访问令牌（自动更新 config.toml）
just ocr # 启动 vLLM OCR 模型服务（需要 GPU）
just run # 启动后端 API 服务（生产模式，自动使用已构建的前端静态文件，端口 8080）
just build # 构建前端为静态文件（部署前使用）
just dev # 启动完整开发环境：前端开发服务器 (http://localhost:8080) + 后端 (http://localhost:8081)运行 just token 命令生成加密安全的访问令牌：
just token # 默认 8 字符
just token 16 # 16 字符安全特性：
- 使用 Python
secrets模块（加密安全） - 默认 8 字符长度（可自定义），包含大小写字母、数字和特殊字符
- 不可预测，抵抗字典攻击和暴力破解
- 自动更新
config.toml - 显示完整的访问 URL（带 token）
示例输出：
Generated token (8 characters):
aB3!xK9p
Access URL: http://localhost:8080?token=aB3!xK9p
MIT