dev-ocr

AI駆動の OCR（光学文字認識）プラットフォームです。PDF や画像からテキストを抽出し、LLM（大規模言語モデル）と連携したチャット機能を提供します。

• OCR テキスト抽出 — PDF・画像ファイルから日本語テキストを認識（ndlocr-lite エンジン）
• マルチプロバイダ LLM チャット — OpenAI / Claude / Azure / Gemini を LiteLLM 経由で切替可能
• ドラッグ＆ドロップ UI — React フロントエンドでファイルをアップロード、ページ単位で結果表示
• LLM トレーシング — Langfuse による自動モニタリング

PDF, JPG, JPEG, PNG, TIFF, JP2, BMP（最大 50MB）

1. VS Code で本リポジトリを開く
2. Ctrl+Shift+P → Dev Containers: Reopen in Container を実行
3. 自動で依存関係がインストールされる（postCreate.sh）

# バックエンド
pip install -r backendapp/requirements.txt

# フロントエンド
cd frontend
npm install

uvicorn backendapp.main:app --reload

API ドキュメント: http://localhost:8000/docs

cd frontend
npm run dev

アプリケーション: http://localhost:5173

1. http://localhost:5173 を開く
2. PDF または画像ファイルをドラッグ＆ドロップ（またはクリックして選択）
3. OCR 処理が完了するとページ単位でテキストが表示される
4. 「コピー」ボタンで結果をクリップボードにコピー

curl -X POST http://localhost:8000/ocr -F "file=@sample.pdf"

curl -X POST http://localhost:8000/chat \
  -H "Content-Type: application/json" \
  -d '{"message": "こんにちは", "model": "openai/gpt-4o"}'

LLM チャット機能を利用する場合、.env ファイルに API キーを設定してください。

OPENAI_API_KEY=sk-...
ANTHROPIC_API_KEY=sk-ant-...
AZURE_API_KEY=...
GEMINI_API_KEY=...
LANGFUSE_PUBLIC_KEY=...
LANGFUSE_SECRET_KEY=...

python -m pytest tests/

dev-ocr/
├── backendapp/           # FastAPI バックエンド
│   ├── main.py           # アプリケーション & エンドポイント
│   ├── ocr_service.py    # OCR エンジン
│   ├── pdf_service.py    # PDF→画像変換
│   └── requirements.txt
├── frontend/             # React フロントエンド
│   ├── src/
│   │   ├── App.tsx
│   │   ├── api/ocr.ts
│   │   └── components/
│   ├── package.json
│   └── vite.config.ts
├── tests/                # テストコード
├── docs/                 # ドキュメント
├── .devcontainer/        # Dev Container 設定
├── CLAUDE.md             # Claude Code ガイド
└── AGENTS.md             # AI エージェント定義

LICENSE を参照してください。