编辑 diploma

upstream: https://hub.leke.run

profiles/diploma.yaml

doc_type: diploma
name: "毕业证书"
version: 1

ocr:
  # Chandra 输出有 layout，对长文本 + 印章 + 多字段抽取更稳
  engine: rapidocr
  options:
    auto_orient: true

extract:
  model: qwen3.5-35b-a3b
  prompt_template: |
    你是毕业证书信息提取助手。从下面 OCR 文本抽取字段，以严格 JSON 返回。

OCR 文本：
    """{ocr_text}"""

抽取字段（key 名严格照搬）：
    - name             : 学生姓名
    - cert_number      : 证书编号（一般是数字字符串，10-20 位）
    - school           : 颁发学校全名
    - major            : 所学专业（高中阶段填"高中"，无明确专业填空字符串）
    - degree           : 学历层次，必须是以下之一，按学校名称判断：
        * "高中"  — 学校名含"中学""高级中学""高中"
        * "中职"  — 学校名含"中等职业""职业技术学校""中等专业""职业高中""技工学校""技校""中专"
        * "专科"  — 学校名含"专科学校""高等专科""职业学院""职业技术学院"（高等教育，区别于"职业技术学校"）
        * "本科"  — 学校名为"XX大学""XX学院"（非"职业学院"）
        * "硕士"  — 颁发硕士学位
        * "博士"  — 颁发博士学位
    - enrollment_date  : 入学日期，格式 YYYY-MM-DD（只有年月信息时月-01，只有年份时年-09-01）
    - graduation_date  : 毕业日期，格式 YYYY-MM-DD（同上规则）

关键区分：
    - "凯里市第一中等职业学校" → degree=中职（不是专科！）
    - "智通职业技术学校" → degree=中职
    - "清远市第一中学" / "凤凰中学" → degree=高中
    - "广州番禺职业技术学院" → degree=专科
    - "中山大学" → degree=本科

若字段在 OCR 文本中找不到证据，返回空字符串 ""。
    仅输出 JSON 对象，不加任何解释或代码块标记。

fields:
    name:            { type: string, required: true, min_length: 2 }
    cert_number:     { type: string, required: true, pattern: "^[0-9]+$" }
    school:          { type: string, required: true, min_length: 4 }
    major:           { type: string, required: false, min_length: 1 }   # 高中阶段可能无明确专业
    degree:          { type: string, required: true,
                       enum: ["高中", "中职", "专科", "本科", "硕士", "博士"] }
    enrollment_date: { type: date,   required: true, format: "YYYY-MM-DD" }
    graduation_date: { type: date,   required: true, format: "YYYY-MM-DD" }

validate:
  - { rule: date_lt,
      targets: [enrollment_date, graduation_date] }

retry:
  max_retries: 0          # Qwen 抽一次定结果；不通过直接返回失败让上层决定

状态

加载就绪

可用校验规则

date_diff_years

date_lt

degree_years_plausible

id_birth_consistency

id_gender_consistency

id_number_checksum

valid_period_canonical

DSL 字段速查

doc_type	URL 用，须与文件名一致
ocr.engine	`chandra` \| `rapidocr`
extract.prompt_template	必须含 `{ocr_text}`
extract.fields[N].type	`string` \| `date` \| `int` \| `float`
extract.fields[N].format	如 `YYYY-MM-DD`
validate[N].rule	从左侧规则名挑
validate[N].target	单字段规则
validate[N].targets	多字段规则
retry.strategy	`feed_errors_to_prompt` \| `reocr_other_engine` \| `both`