DeepSeek-OCR 驱动的多模态数据分析 Agent 实战

本文围绕在数据分析场景中，如何使用 DeepSeek-OCR + LangChain 1.0 搭建一套端到端的多模态数据分析 Agent。开箱即用的项目源码可到 项目部署 全部免费领取！

项目演示

项目功能

核心功能一：使用Vllm启动DeepSeek-OCR模型并多线程实现复杂图像、PDF、扫描件、手写笔记、旧试卷等文档高精度一键解析;

核心功能二：支持超长文本上下文压缩，并能接入DeepSeek、Qwen3、GPT 等模型生成详细的分析报告，并实时输出可视化报表；

核心功能三：动态可视化报表生成，支持多轮追问并从不同维度输出BI大屏；

应用场景

包括但不限于：

• 金融投研与财报解析：基金年报、季报、IPO 招股书结构化提取与可视化洞察。
• 企业经营分析：收入、利润、现金流、费用结构的趋势与对比分析与BI呈现。
• 政务与审计：规章制度、预算执行、公共项目报告的证据抽取与要点总结。
• 科研与论文：图表重构、公式与结论抽取，辅助综述与数据复现与再分析。
• 合同与合规：条款聚合、风险条目识别、金额与日期要点检索与审阅。

技术方案

在数据分析领域， OCR（光学字符识别）+ 计算机视觉技术主要涉及的是图表识别与重构，核心处理流程如下：

    输入：图表图片/ PDF多模态文件
        ↓
    【结构检测】识别坐标轴、图例、标题位置
        ↓
    【OCR提取】读取文字：轴标签、刻度值、数据标签
        ↓
    【图形识别】检测柱子、折线、点的位置和大小
        ↓
    【数据计算】根据像素位置和坐标刻度反推数值
        ↓
    【重新绘制】用提取的数据重新生成图表

我们通过「vLLM 推理加速 + DeepSeek-OCR 页面级解析 + 智能切分并发结构化」三项手段，解决AI数据分析中的三大难题：

• 解决 多模态混排难题：DeepSeek-OCR 精准识别图片/表格/文字/公式，并统一转为 Markdown；
• 解决 上下文超长难题：智能切分 + 并发抽取 + 统一 JSON Schema，形成紧凑、可检索的上下文；
• 解决 可视化解释难题：基于知识库重绘 ECharts 图表，并生成可交互的结论与说明。

在实操中，其中超长上下文是影响效果的主要瓶颈。我们采用“切分-并发-结构化”的三步法来解决：

痛点表现：

• 一份50页PDF可能产生10万字符，直接喂给 LLM 会超窗且稀释关键信息；
• 表格、数字、结论混杂在文字中，难以快速抽取与对齐；
• 纯文本缺乏层次与分类，难以复用与检索。

三步解决：

1. 智能切分：按章节/页码/锚点切片，保证片段自洽并携带索引；
2. 并发分析：对每个切片并发抽取“摘要、表格/图表、关键指标”；
3. 结构化存储：写入统一 JSON Schema，支持后续检索与拼接生成。

这里我们以一个基金的PDF报告为例，更直观的展示 从文档到可视化报告的端到端流程

    ┌─────────────────────────────────────────────────┐
    │  输入：PDF文档 + 用户问题                          │
    │  "分析2024年财务报告，重点关注收入和利润"             │
    └──────────────────┬──────────────────────────────┘
                    ↓
            【第1步：文档识别】
            DeepSeek-OCR API
                    ↓
            输出：Markdown文本（10万字符）
                    ↓
            【第2步：智能切片】
            按标题分割为30个块
                    ↓
            【第3步：并发结构化提取】
            提取：摘要 + 表格 + 关键点
            耗时：（并发）
                    ↓
            【第4步：知识库构建】
            压缩为紧凑的上下文（2万字符）
                    ↓
            【第5步：LLM生成报告】
            输出：HTML + Title + Summary
                    ↓
            【第6步：保存展示】
            浏览器打开查看交互式报告
                    ↓
    ┌──────────────────┴──────────────────────────────┐
    │  输出：交互式HTML报告 + 文字分析摘要                 │
    │  - 7+ 个可视化图表（ECharts）                      │
    │  - 3-5条核心洞察要点                              │
    │  - 支持交互、导出、分享                            │
    └─────────────────────────────────────────────────┘

添加 小助理 免费领取全部项目源码！还有更多项目等你来挖掘！

系统架构

项目采用模块化设计，核心结构如下：

    DataAnalysis/                           # 项目根目录
    ├── 📁 backend/                            # 后端服务层
    │   ├── Data_analysis/
    │   │   ├── DeepSeek-OCR-vllm/            # OCR服务
    │   │   │   ├── backend_integration_api.py   # 🔥 主服务入口
    │   │   │   ├── simple_ocr_client.py         # OCR推理服务
    │   │   │   ├── config.py                    # OCR配置
    │   │   │   └── deepseek_ocr.py              # DeepSeek-VL模型封装
    │   │   ├── backwark/                     # 数据分析核心
    │   │   │   ├── Information_structuring.py   # 信息结构化
    │   │   │   ├── visualizer.py                # 可视化生成器
    │   │   │   └── pdf_exporter.py              # PDF导出
    │   │   └── mock_visualizer.py            # 测试用模拟器
    │   └── 10华夏收入混合型证券投资基金2024年年度报告.pdf  # 示例文档
    │
    └── /tmp/ocr_results/                      # 临时结果目录
        ├── status_*.json                     # 任务状态
        ├── *_analyzed.json                   # 结构化结果
        └── answer_*.html                     # 可视化报告

核心模块：

模块	文件	功能
主服务	backend_integration_api.py	FastAPI服务，协调OCR→结构化→可视化流程
OCR推理	simple_ocr_client.py	DeepSeek-VL推理服务（运行在 GPU 服务器）
结构化分析	Information_structuring.py	使用LLM提取表格、要点、摘要
可视化	visualizer.py	生成 ECharts 交互式报告

系统部署

添加 小助理 免费领取全部项目源码！还有更多项目等你来挖掘！

环境配置要求

组件	版本要求	说明
Python	≥ 3.10	推荐 3.11
CUDA	≥ 12.1	DeepSeek-VL 需要GPU支持
GPU显存	≥ 16GB	推荐 24GB+
系统内存	≥ 16GB	推荐 32GB+

创建虚拟环境并安装依赖

创建并激活虚拟环境，执行

    # 创建新的虚拟环境
    conda create -n deepseek_ocr python=3.11 -y

    # 激活环境
    conda activate deepseek_ocr

安装项目依赖，执行

    cd backend/DeepSeek-OCR-vllm
    pip install -r requirements.txt

配置.env

按照如下说明配置.env服务：

    # DeepSeek-OCR 配置
    DEEPSEEK_MODEL_PATH=/home/data/nongwa/workspace/model/OCR/DeepSeek-OCR
    DEEPSEEK_OCR_URL=http://192.168.110.131:8707/ocr
    DEEPSEEK_OCR_HOST=0.0.0.0
    DEEPSEEK_OCR_PORT=8707

    # 数据分析配置
    DATA_ANALYSIS_BASE_SIZE=1024
    DATA_ANALYSIS_IMAGE_SIZE=640
    DATA_ANALYSIS_CROP_MODE=true
    DATA_ANALYSIS_PROMPT="<image>\n<|grounding|>Convert the document to markdown."

    # 信息结构化配置
    QWEN_TOKENIZER_PATH=/home/data/nongwa/workspace/Data_analysis/Qwen-tokenizer
    ANALYSIS_CHUNK_SIZE=1500
    ANALYSIS_MAX_WORKERS=10
    ANALYSIS_API_KEY=sk-xxx
    ANALYSIS_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
    ANALYSIS_MODEL_NAME=qwen3-max

    # 可视化配置
    VISUALIZER_API_KEY=sk-xxx
    VISUALIZER_API_BASE=https://dashscope.aliyuncs.com/compatible-mode/v1
    VISUALIZER_MODEL_NAME=qwen3-max

    # API服务配置
    API_HOST=0.0.0.0
    API_PORT=8708
    API_DEBUG=false
    API_RELOAD=false

    # 文件存储配置
    UPLOAD_DIR=/home/MuyuWorkSpace/03_DataAnalysis/backend/Data_analysis/output/ocr_uploads
    RESULTS_DIR=/home/MuyuWorkSpace/03_DataAnalysis/backend/Data_analysis/output/ocr_results
    TEMP_DIR=/home/MuyuWorkSpace/03_DataAnalysis/backend/Data_analysis/output/ocr_temp

    # 文件处理限制
    MAX_FILE_SIZE_MB=100
    SUPPORTED_EXTENSIONS=.jpg,.jpeg,.png,.pdf,.txt,.md

    # 并发和性能配置
    MAX_CONCURRENT_REQUESTS=5
    REQUEST_TIMEOUT=300
    CLEANUP_INTERVAL_HOURS=24

    # 开发环境配置
    ENVIRONMENT=development
    LOG_LEVEL=info

启动主服务

启动后端服务

  # 确保在 deepseek_ocr 虚拟环境中
  conda activate deepseek_ocr

  # 进入项目目录
  cd /home/MuyuWorkSpace/03_DataAnalysis/backend/Data_analysis/DeepSeek-OCR-vllm

  # 启动主服务
  python backend_integration_api.py

成功启动后，打开浏览器访问：http://localhost:8708/docs 可看到

启动前端服务

接下来进入前端目录，安装Node.js依赖：

  # 进入前端目录
  cd ./frontend
  # 安装依赖（首次运行需要，耗时约2-5分钟）
  npm install
  # 启动前端服务
  npm run dev

成功启动后，打开浏览器访问 http://localhost:3000，即可看到智能分析系统的前端界面。

结语

本实战以 DeepSeek-OCR 为核心，配合 vLLM 推理加速与 LangChain 1.0 的工作流编排，贯通了“识别 → 切片 → 结构化 → 检索 → 生成 → 可视化”的端到端链路，显著提升了复杂文档的抽取质量与分析效率。