Local Context Router
Un modelo multimodal lee un PDF extrayendo su texto y renderizando cada página como imagen, pagando por ambos. En una página que es mayormente texto, la imagen es un gasto innecesario. Ejecute este enrutador previo primero y envíe al modelo solo lo que cada página necesita.
Cuándo usarlo
Antes de leer, resumir o extraer información de un PDF, escaneo o captura de pantalla que el usuario haya compartido.
Requisitos
El paquete localcontextrouter debe estar instalado (pip install localcontextrouter, macOS). Proporciona el comando localctx que se usa a continuación.
Ejecución
Enrute el documento y lea el JSON, renderizando las páginas visuales en una carpeta:
localctx <ruta-al-documento> --json --vision-dir ./lcr-pages
Si el comando localctx no está disponible, ejecute el script incluido con un Python que tenga instalado localcontextrouter (el script importa el mismo paquete):
python scripts/preflight.py <ruta-al-documento> --json --vision-dir ./lcr-pages
Usar el resultado
El JSON contiene tokens_saved y un arreglo pages. Cada página tiene source, text, text_tokens, image_tokens e image:
source: "text": usetextdirectamente; no adjunte la imagen.source: "ocr": la página era solo imagen y ha sido OCR en el dispositivo; usetext.source: "vision": la página es una tabla, gráfico o diagrama; adjunte la imagen enimagepara que el modelo pueda leerla. Eltextes solo un respaldo aproximado.
Ensamble las páginas de texto y OCR en orden de lectura, adjunte imágenes solo para las páginas de visión, y mencione tokens_saved si al usuario le importa el costo.
Notas
Todo se ejecuta localmente y sin conexión; el documento no sale del equipo.