PP-StructureV3根据输入文档的语言类型切换产线方案选择；ai提高代码开发的初步了解；Copilot的初步应用；

1.PP-StructureV3根据输入文档的语言类型切换产线方案选择；

👉由于paddle-不同的rec模型，对不同语言的识别精度不一样；
👉导致现在想将输入的文档进行分类，区分全英文文档和其他文档；

gpt给出的方案是：
👉方案一：尝试读取 PDF 文本层
只要 PDF 不是扫描件，这一步就是 100% 正确的；
但是给的识别材料中很多是扫描件，但材料论文基本都有文本层，也算是基本能判断，也不会损失太多的性能，是一种思路；

👉方案二：用 Paddle 的 multi-language / latin-only rec，仅用于语言判断
不追求精度；只抽 1 页 / 2 页；只统计字符种类
但是这种方法会损失性能，拖慢文档解析速度，得不偿失；

👉方案三：用 Paddle 的 multi-language / latin-only rec，仅用于语言判断
我通过观察发现，一般给的英文材料中文件名90%都是英文，或者文件名含有”英文“两个字；
学术上不严谨，但工程上极其好用的信号，做一个强先验（prior），现在比较注重文档解析的性能，所以采用这第三种方案；

👉本来我是想将这个文件名判断文件语言类型作为一个if进行判断，切换产线，但chatgpt给了一个新的思路：
建议将“文件名判断文件语言类型”这条规则“制度化”；
不要让它只是一个 if，而是一个显式规则：

LanguageHint(
    source="filename",
    value="english",
    confidence=0.7
)

👉这样有助于debug、统计误判、调阈值、回溯决策；

2.ai提高代码开发的初步了解；

目前我比较熟练运用vscode进行开发，所以询问了chatgpt的类似vscode变体 / 编辑器

工具	强项	适合人群
GitHub Copilot	稳定、集成好、性价比高	主流开发者 / 团队
Cursor	AI 驱动、对话式 & 代码库理解	需要深入 AI 交互的开发者
Tabnine / Codeium	轻量、跨平台	想要补全 + 低成本用户
Claude Code / Agent 系统	自主 AI 代码代理	未来式编程体验探索

（国内有一个TRAE，与Cursor高度类似，订阅更加便宜）
👉目前先全面了解Copilot，因为习惯了 VS Code 的原版生态。

3.Copilot的初步应用；
👉首次使用纠正系统框架问题
👉Copilot自动把 ollama.py 改为异步并更新调用点（在 service/* 和 router/*）并运行静态语法检查；

FastAPI / async 路由
Service 层是 async def，但底层在用ollama.py（ollama模型调用）中requests.post()（同步）(asyncio 里是硬阻塞，LLM慢一点，整个服务就卡)
Ollama客户端requests.post()改为异步并更新调用点：

resp = requests.post("http://localhost:8001/api/chat",json=payload,timeout=100,)
resp.raise_for_status() 
except requests.RequestException:

👇👇👇👇👇👇👇👇

async with httpx.AsyncClient(timeout=100.0) as client:
    resp = await client.post("http://localhost:8001/api/chat", json=payload)
    resp.raise_for_status()
except (httpx.RequestError, httpx.HTTPStatusError):

Copilot的这此架构升级解决了 ：
👉Web 层阻塞问题
👉没有解决模型吞吐问题（整个服务可以并行同时调用ollama模型，sam3模型，但是单个模型的推理依旧是串行的）