全自动数据分析可视化 Agent

三层架构，每层独立可换

backend/
├── core/
│   ├── ocr/                       # DeepSeek-OCR-2 客户端 + 表结构识别
│   ├── analysis/                  # pandas 风格统计 + LLM 驱动摘要
│   └── visualization/             # matplotlib / plotly 图表生成
├── services/
│   ├── ocr_service.py
│   ├── analysis_service.py
│   ├── visualization_service.py
│   └── integration_service.py     # 顶层编排器：串 3 层
├── api/                           # FastAPI 路由
└── main.py

每层 = 1 个 service 模块 + 1 个 core 实现。想把 DeepSeek-OCR 换成 PaddleOCR-VL？替 core/ocr/，services/ocr_service.py 接口不变。想加 D3 图表？再丢一个 renderer 进 core/visualization/。

为什么非 DeepSeek-OCR-2 不可

真实 PDF 里的表格（财报、论文、实验报告）能把传统 OCR 干崩：合并单元格、多行表头、注脚混在行里。DeepSeek-OCR-2 自带表结构识别，吐出带 row/col 坐标的单元格而不只是文本——下游 pandas 入库丝滑。

# core/ocr/deepseek_ocr_client.py（伪代码示意）
from openai import OpenAI

class DeepSeekOCRClient:
    def __init__(self, base_url: str, api_key: str):
        # 部署到 vLLM 后通过 OpenAI 兼容接口调用
        self.client = OpenAI(base_url=base_url, api_key=api_key)

    def parse_table(self, image_path: str) -> dict:
        """返回 {cells: [{row, col, text, rowspan?, colspan?}], rows: int, cols: int}"""
        with open(image_path, 'rb') as f:
            image_b64 = base64.b64encode(f.read()).decode()
        response = self.client.chat.completions.create(
            model="deepseek-ocr-2",
            messages=[{
                "role": "user",
                "content": [
                    {"type": "image_url", "image_url": {"url": f"data:image/png;base64,{image_b64}"}},
                    {"type": "text", "text": "Extract table structure as JSON with cell coordinates."},
                ],
            }],
        )
        return json.loads(response.choices[0].message.content)

vLLM 上线：3s/页 → 0.6s/页

OCR 在用户感知的 real-time 循环里跑（上传 → 读 → 分析 → 渲染），延迟非常关键。

vLLM 的 continuous batching 让多个并发请求共享 KV cache，单次推理的 batch 是动态调度的——这也是 OpenAI 在线服务背后的关键技术。

# 启动 vLLM 把 DeepSeek-OCR-2 暴露成 OpenAI 兼容 API
python -m vllm.entrypoints.openai.api_server \
  --model /home/ubuntu/deepseek-ocr-2 \
  --host 0.0.0.0 \
  --port 8000 \
  --tensor-parallel-size 1 \
  --gpu-memory-utilization 0.85 \
  --max-model-len 8192 \
  --trust-remote-code

一次完整请求流向

用户上传 PDF / 截图
  └─> POST /api/analyze (FastAPI)
        ├─> integration_service.run()
        │     ├─> ocr_service.parse(file)           # 调 vLLM OCR
        │     │     → 表结构 JSON + 单元格坐标
        │     ├─> analysis_service.analyze(table)   # pandas 统计 + LLM 摘要
        │     │     → {summary, kpis, anomalies}
        │     └─> visualization_service.render(...)  # 自动选图表类型
        │           → PNG/SVG bytes
        └─> response: {ocr_result, analysis, chart_url}

analysis_service 里有个小巧思：让 LLM 先决定「这份数据适合什么图表」（柱状 / 折线 / 散点 / 饼图），再调对应的 visualization 子模块——比硬编码 if-else 灵活得多。

价值点

• 分层 AI 系统：OCR / 分析 / 可视化各 1 service + 1 core，不是 monolith
• 按场景选 OCR：表结构感知（DeepSeek-OCR-2）≫ 纯文本 OCR
• 关注推理延迟：vLLM 上线而不是裸 transformers