客户端配置 schema 为 bemarkdown-local-model-api-v1,roles包含 layout/formula/table/text。每个角色设置回环HTTP url、可选 token_env 和正数 timeout_seconds。旧三角色配置可读取,但表格仅保图。
POST请求示例:
{"schema":"bemarkdown-local-model-api-v1","role":"text","request_id":"request-1","items":[{"id":"0","image_base64":"BASE64_PNG","sha256":"64位图像SHA256","serialization_profile":"default"}]}响应必须回传同一request_id、role和输入item ID。每个text/formula/table响应item包含字符串text;layout包含regions数组:
{"schema":"bemarkdown-local-model-api-v1","role":"layout","request_id":"request-1","released":true,"identity":{"model_id":"your-layout-model","model_fingerprint":"64位版本或配置指纹"},"items":[{"id":"0","regions":[{"label":"text","bbox":[10,20,400,100],"reading_order":0,"score":0.99}]}]}bbox使用收到图片的像素坐标,满足 0≤x0<x1≤width 和 0≤y0<y1≤height。常用label:text、doc_title、paragraph_title、formula、inline_formula、table、image、chart、figure_title、header、footer、number。不要返回归一化坐标或另一个缩放图的坐标。
公式返回LaTeX,混排普通文字时保留正文并用成对美元符号包围数学;table返回单个完整HTML table(显式闭合、支持rowspan/colspan);text忠实保留可见内容和数学。不要补写被遮盖区域。空预测会触发保图/待核路径。
上限:128个item、64MiB请求/响应;服务必须逐item完整对应。released=true表示这一请求已完成、服务已释放请求级资源,不代表客户端验证了远端GPU卸载。模型身份在同一文档中不得漂移。
网关的 bemarkdown 协议原样转发本协议;chat-completions 协议逐裁图发送含text/image_url的messages,读取choices[0].message.content,拒绝length等不完整完成状态。后者仅支持formula/table/text,layout需专门的版面服务。配置URL必须HTTPS或回环HTTP,不跟随重定向。无自动重试。