docker部署paddleocr-vl；docker的Compose与Dockerfile的区别；自动装配schema重构；

1.docker服务化部署paddleocr-vl；
它由 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型组成，能够实现精准的元素识别。
paddleocr-vl是一个VLM模型，能够直接输入图像文件或者PDF文件。
由于是显卡是5090，使用sm120架构的docker镜像。
Docker Compose是一套更加规范化的服务部署流程：
用来“规范如何启动、如何组合、如何复现这一整套服务”。
（单容器思维）
✔ 能跑
❌ 但有这些问题：
启动参数靠人记
环境变量容易漏
端口、挂载、GPU 参数不统一
下次换机器 / 同事接手 ≈ 重来一遍
一旦需要 多个服务（API + 推理 + 前端）就乱了

2.docker的Compose与Dockerfile的区别；
Docker Compose本质是：
把一整套“怎么启动服务”的说明，写成一个 docker-compose.yml 文件
一句话先记住（考试级结论）
Dockerfile = 怎么“做”一个镜像
Docker Compose = 怎么“用”一堆容器

paddleocr-vl的docker服务化部署是使用的两个容器实现的：
✔ paddleocr-vlm-server（模型推理）
✔ paddleocr-vl-api（对外 API）
👉 它们是 PaddleOCR-VL 的两个服务容器
👉 一个负责模型推理，一个负责对外 API

3.自动装配schema重构；
之前的自动装配schema「只改 description 也会重建对象」，不论修改什么字段，都会重建schema，会产生一些没有必要的schema创建与销毁；

👉「结构缓存 + 元数据热更新」Schema 架构设计
设计目标：
Schema 结构唯一
👉name / type / required / enum / items决定：是否重建 Pydantic Model；
👉Schema 元数据可热更新description / title / ui / prompt / example这些元数据不影响 Model identity，可随时替换；
👉Model 强缓存同一结构 → 同一个 Pydantic 类（is 相等）元数据弱缓存 / 可覆盖同一结构，不同调用场景 → 不同描述