OCR-Deepseek Proxy

OpenAI-compatible local macOS proxy that gives text-only Deepseek-compatible chat requests lightweight multimodal OCR capability through Apple Vision.

Mac 本地 OpenAI API 兼容代理：接收 OpenAI Chat Completions 请求，使用 macOS 原生 Apple Vision 先对图片做 OCR，再把 OCR 文本作为上下文注入并转发到 Deepseek 官方接口。

能力

• 对外模型名：OCR-Deepseek
• 内部上游模型：deepseek-v4-flash
• 图片来源：支持 OpenAI image_url 消息里的 data: base64 图片和 http(s): 图片 URL
• OCR 引擎：macOS 原生 Vision.framework，无需云端 OCR
• 兼容接口：GET /v1/models、POST /v1/chat/completions
• 流式输出：stream: true 时透传 Deepseek SSE 响应

环境要求

• macOS 11+
• Xcode Command Line Tools（提供 clang 和 macOS SDK）
• Node.js 18+

安装 Xcode Command Line Tools：

xcode-select --install

启动命令

在本项目目录执行：

cd ocr-deepseek-proxy
export DEEPSEEK_API_KEY="your_deepseek_api_key"
./scripts/start.sh

服务默认监听：

http://127.0.0.1:8787

CCSwitch / OpenAI 客户端配置

• Base URL: http://127.0.0.1:8787/v1
• Model: OCR-Deepseek
• API Key: 任意非空字符串即可（本地代理使用服务端环境变量 DEEPSEEK_API_KEY）

对外模型名不以 Deepseek 开头，可避免部分客户端按名称策略静默丢弃图片。

curl 测试

列出模型

curl http://127.0.0.1:8787/v1/models

文本请求

curl http://127.0.0.1:8787/v1/chat/completions \
  -H 'Authorization: Bearer local' \
  -H 'Content-Type: application/json' \
  -d '{
    "model": "OCR-Deepseek",
    "messages": [
      {"role": "user", "content": "你好，介绍一下你自己"}
    ]
  }'

图片 OCR 请求

IMAGE_B64=$(base64 -i /path/to/image.png | tr -d '\n')

curl http://127.0.0.1:8787/v1/chat/completions \
  -H 'Authorization: Bearer local' \
  -H 'Content-Type: application/json' \
  -d "{
    \"model\": \"OCR-Deepseek\",
    \"messages\": [{
      \"role\": \"user\",
      \"content\": [
        {\"type\": \"text\", \"text\": \"请总结图片里的文字\"},
        {\"type\": \"image_url\", \"image_url\": {\"url\": \"data:image/png;base64,$IMAGE_B64\"}}
      ]
    }]
  }"

配置项

可用环境变量覆盖默认值：

变量	默认值	说明
HOST	127.0.0.1	监听地址
PORT	8787	监听端口
PUBLIC_MODEL	OCR-Deepseek	对外暴露模型名
UPSTREAM_MODEL	deepseek-v4-flash	Deepseek 实际模型名
DEEPSEEK_BASE_URL	https://api.deepseek.com	Deepseek API 地址
DEEPSEEK_API_KEY	无	Deepseek API Key，必填
OCR_BINARY	.bin/ocr-vision	Apple Vision OCR 辅助程序路径
MAX_BODY_BYTES	52428800	请求体大小上限
REQUEST_TIMEOUT_MS	120000	图片下载和上游请求超时

工作流程

1. 客户端请求 /v1/chat/completions，模型名使用 OCR-Deepseek。
2. 代理扫描 messages[].content[] 中的 image_url。
3. 代理把图片保存到临时目录，并调用 Swift OCR 辅助程序。
4. OCR 文本被注入到对应用户消息的上下文中。
5. 请求模型名改写为 deepseek-v4-flash 后转发到 Deepseek 官方接口。
6. Deepseek 响应原样返回给客户端。

注意

• 此代理提供本地 OCR 多模态增强，不会把图片二进制上传给 Deepseek，只上传 Apple Vision OCR 后的文本上下文。
• 若图片主要是非文字内容，OCR 上下文可能为空，模型无法理解纯视觉元素。
• 不要把真实 API Key 提交到 Git。请通过 DEEPSEEK_API_KEY 环境变量注入，并在生产使用时限制监听地址。