Python极简实现大模型+OCR协同工作，打造你的智能图像分析工具

本文详细介绍了如何用最小Python代码量实现大语言模型与OCR协同工作的图像分析系统。通过MCP协议赋予LLM调用外部接口能力，项目包含client、service和app三个文件，先使用OCR识别图像文字，再结合用户输入提供给LLM进行推理回答。该方案可扩展为RAG、表格提取等各类现代智能体，适合程序员和小白学习实践。

前言：

本文教你如何用最短的Python代码，就能协同大语言模型和文字识别两大功能，实现出一个简单的图像分析系统。

项目逻辑：系统接收用户一个图像和一段文字为输入，系统处理时先调用文字识别技术，识别图像中的文字，然后结合用户输入的文字，一起给大语言模型作为整体输入，大语言模型推理并回答。

其中，MCP（模型上下文协议）服务给予了大模型调用外部接口的能力。

本项目用最小Python代码量的智能体实现demo——实现LLM（大语言模型）调用OCR（光学字符识别，简称OCR，通俗理解为文字识别）功能。学会了此方法，可扩展成各类现代智能体，例如RAG、表格提取工具…

一、环境配置

1.在cmd/Anaconda Prompt中输入下列代码，建立本项目虚拟环境：

conda create -n mcp python=3.10

2.输入以下代码激活该环境

3.进入项目路径中，输下面代码，安装所需依赖包

pip install -r requirements.txt -i https://pypi.mirrors.ustc.edu.cn/simple/

二、配置大模型调用的来源——Ollama，并下载大模型

1.在 https://ollama.com/ 下载ollama并安装

2.打开ollama客户端，右键单击，选择"open ollama"

点击setting，修改model localtion（默认为c盘），即修改模型将会被下载的路径；

3.拉取模型：打开cmd/Anaconda Prompt，输入下面代码就可直接自动下载并调用模型：

ollama run qwen3:1.7b

（此时在ollama客户端也可选你刚刚拉取的1.7b的模型啦）

三、代码实现

本项目需实现兼备前后端的Python代码，Python代码主要应分布成三个文件：

client.py 为客户端代码；

service.py为服务代码，需要将服务代码的路径作为参数传给客户端；

app.py为前端代码，实现给用户看的前端图形化界面。

源代码我已经写好，需从https://github.com/Frosty-Jackal/MCPDemo.git下载

项目架构是什么？

1、运行后端服务器

激活环境后，在项目路径下运行：

python client.py service.py --image d:\workspace\code\mcp\image.png --query 帮我总结一下这张图像

其中：

–image为需要识别的图像路径

–query为你对大模型提的问题

发现后端的大语言模型和OCR技术协作良好！

2、然后就可运行针对用户的图形化前端界面

命令行输入并运行：

streamlit run app.py

自动跳转到浏览器

成功啦。

结语：我们成功实现了一个有后端服务器代码，前端界面代码，能够接受用户输入图像和询问文字，并先调用OCR，再传入LLM的图像分析系统。

备注：OCR是cpu版本，运行速度较慢是正常的，gpu版本的OCR需要指定版本的cuda支持，可去飞桨官网查看详细教程。

---

AI时代，未来的就业机会在哪里？

答案就藏在大模型的浪潮里。从ChatGPT、DeepSeek等日常工具，到自然语言处理、计算机视觉、多模态等核心领域，技术普惠化、应用垂直化与生态开源化正催生Prompt工程师、自然语言处理、计算机视觉工程师、大模型算法工程师、AI应用产品经理等AI岗位。

掌握大模型技能，就是把握高薪未来。

那么，普通人如何抓住大模型风口？

AI技术的普及对个人能力提出了新的要求，在AI时代，持续学习和适应新技术变得尤为重要。无论是企业还是个人，都需要不断更新知识体系，提升与AI协作的能力，以适应不断变化的工作环境。

因此，这里给大家整理了一份《2025最新大模型全套学习资源》，包括2025最新大模型学习路线、大模型书籍、视频教程、项目实战、最新行业报告、面试题等，带你从零基础入门到精通，快速掌握大模型技术！

由于篇幅有限，有需要的小伙伴可以扫码获取！

1. 成长路线图&学习规划

要学习一门新的技术，作为新手一定要先学习成长路线图，方向不对，努力白费。这里，我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。

2. 大模型经典PDF书籍

书籍和学习文档资料是学习大模型过程中必不可少的，我们精选了一系列深入探讨大模型技术的书籍和学习文档，它们由领域内的顶尖专家撰写，内容全面、深入、详尽，为你学习大模型提供坚实的理论基础。（书籍含电子版PDF）

3. 大模型视频教程

对于很多自学或者没有基础的同学来说，书籍这些纯文字类的学习教材会觉得比较晦涩难以理解，因此，我们提供了丰富的大模型视频教程，以动态、形象的方式展示技术概念，帮助你更快、更轻松地掌握核心知识。

4. 大模型项目实战

学以致用 ，当你的理论知识积累到一定程度，就需要通过项目实战，在实际操作中检验和巩固你所学到的知识，同时为你找工作和职业发展打下坚实的基础。

5. 大模型行业报告

行业分析主要包括对不同行业的现状、趋势、问题、机会等进行系统地调研和评估，以了解哪些行业更适合引入大模型的技术和应用，以及在哪些方面可以发挥大模型的优势。

6. 大模型面试题

面试不仅是技术的较量，更需要充分的准备。

在你已经掌握了大模型技术之后，就需要开始准备面试，我们将提供精心整理的大模型面试题库，涵盖当前面试中可能遇到的各种技术问题，让你在面试中游刃有余。

为什么大家都在学AI大模型？

随着AI技术的发展，企业对人才的需求从“单一技术”转向 “AI+行业”双背景。企业对人才的需求从“单一技术”转向 “AI+行业”双背景。金融+AI、制造+AI、医疗+AI等跨界岗位薪资涨幅达30%-50%。

同时很多人面临优化裁员，近期科技巨头英特尔裁员2万人，传统岗位不断缩减，因此转行AI势在必行！

这些资料有用吗？

这份资料由我们和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理，现任上海殷泊信息科技CEO，其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证，服务航天科工、国家电网等1000+企业，以第一作者在IEEE Transactions发表论文50+篇，获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。

资料内容涵盖了从入门到进阶的各类视频教程和实战项目，无论你是小白还是有些技术基础的技术人员，这份资料都绝对能帮助你提升薪资待遇，转行大模型岗位。

大模型全套学习资料已整理打包，有需要的小伙伴可以微信扫描下方优快云官方认证二维码，免费领取【保证100%免费】