caoxiaozhu 91b4ae2287 feat(data_process): 显式关闭 docling OCR 并拒绝无文本层 PDF ...

- docling 转换器通过 PdfPipelineOptions 显式设置 do_ocr=False，
  混合 PDF 的图片页不再产出 OCR 文字；不提供重新开启 OCR 的参数。
- 无文本层 PDF 的错误文案改为"扫描版或图片型 PDF 不支持"，
  上传阶段整批拒绝，保留混合 PDF 的可处理判定。
- 新增 test_layout_converter_disables_ocr 守护开关状态，
  同步设计文档与 disable-ocr 实施计划/设计说明。

2026-08-18 15:49:00 +08:00

..

algorithms

feat(data_process): 显式关闭 docling OCR 并拒绝无文本层 PDF

2026-08-18 15:49:00 +08:00

store

feat: 数据集下载鉴权、MinIO 发布与数据库兼容增强

2026-08-18 14:45:16 +08:00

__init__.py

docs(data_process): 在 __init__ 补充模块职责速查与分层说明

2026-08-12 14:46:56 +08:00

constants.py

feat(data-process): 支持单项生成五十条数据

2026-07-27 09:11:51 +08:00

dataset_format.py

chore: 忽略离线部署包，提交安全加固、数据库初始化与文档

2026-08-07 09:24:35 +08:00

document_chunking.py

feat(data_process): 显式关闭 docling OCR 并拒绝无文本层 PDF

2026-08-18 15:49:00 +08:00

generation.py

feat: 新增外部数据源拉取与 DPO 输出格式支持

2026-08-11 14:17:45 +08:00

office_preview.py

feat(data-process): 增加 Office 原文件预览接口

2026-07-27 16:12:50 +08:00

schema_cli.py

feat(data-process): 完善后台生成与失败重试

2026-07-28 10:56:05 +08:00

storage.py

feat: 数据集下载鉴权、MinIO 发布与数据库兼容增强

2026-08-18 14:45:16 +08:00