扣子平台上调用百度的OCR服务，实现学生英文作文大模型批，最新扣子实战教程

欢迎来到涛涛聊AI，今天我们学习下扣子(coze)的http节点，

一、需求由来

我的朋友希望快速检查英文作文，于是向我提出了这个需求。我开始寻找其他APP客户端，但没有找到合适的应用。后来发现腾讯提供了一款 Ecc 服务，但每次使用需要支付 0.18 元，感觉有点贵。

于是，我考虑是否有更便宜的 OCR 服务。然而，在扣子平台上的 OCR 服务大多只能识别打印体，对手写体的识别效果很差，这对我们的需求来说并不理想。

经过进一步测试，我发现百度有一款手写体检测服务，效果不错，价格也相对便宜，而且还有免费使用次数。不过，它的智能体使用起来不太方便，所以我决定在 扣子 平台上搭建服务。接下来，我将展示如何在扣子平台上使用HTTP节点请求这个OCR的API。

二、简单介绍下HTTP请求节点

非专业程序员对Http可能会比较陌生。可以简单理解为代码形式的浏览器、代替我们访问数据。

官网介绍

HTTP 请求节点，能让用户借 HTTP 协议向外部服务发请求，实现数据获取、提交与交互 。它支持多种请求方法，可配置请求参数、请求头、鉴权信息及请求体，满足多样数据交互需求 。还设有超时设置与重试机制，保障请求可靠及数据正确处理 。

其作用包括：

• 数据获取：如从 API 获用户信息、天气数据 。
• 数据提交：像提交表单数据 。
• 数据更新：例如更新用户信息、订单状态 。
• 数据删除：比如删用户账户、订单 。

三、节点配置

使用该节点实现功能，常需配置 API、请求参数等 。为简化流程、提高效率，它支持导入 cURL 功能，开发人员能快速将 cURL 命令参数导入 。

配置项较多，我直接截图了

下面我们就以在扣子平台上请求百度 Ocr服务为例演示http节点的使用。

四、实例演示 通过HTTP请求节点访问云平台OCR服务

从ocr的官方文档可以看出，需要两步才可以完成，第1步是获取access token。第2步才可以真正的去将图片传入进行ocr识别。

整体的流程如下图

① 使用http节点请求token。

根据服务端的要求，分别填入参数。通过示例代码来看，首先要获取access token。

以下为百度API代码示例

import requests

API_KEY = ""
SECRET_KEY = ""

def main():
        
    url = "https://aip.baidubce.com/rest/2.0/ocr/v1/handwriting?access_token=" + get_access_token()
    
    payload='detect_direction=false&probability=false&detect_alteration=false'
    headers = {
        'Content-Type': 'application/x-www-form-urlencoded',
        'Accept': 'application/json'
    }
    
    response = requests.request("POST", url, headers=headers, data=payload.encode("utf-8"))
    
    print(response.text)
    

def get_access_token():
    """
    使用 AK，SK 生成鉴权签名（Access Token）
    :return: access_token，或是None(如果错误)
    """
    url = "https://aip.baidubce.com/oauth/2.0/token"
    params = {"grant_type": "client_credentials", "client_id": API_KEY, "client_secret": SECRET_KEY}
    return str(requests.post(url, params=params).json().get("access_token"))

if __name__ == '__main__':
    main()

填入变量名。

节点配置

成功返回。

② 代码处理获取tocken

Ocr服务那边得到的内容不只有access token。要一些其他信息。所以我们要通过一个代码节点来获取access token。

节点配置如下。

然后再通过获取到的access token去请求OCR接口。

③ 请求真正的OCR接口

节点配置如下。

得到结果如下。并不是我们传统意义上的只有文本。附带了位置信息。所以我们要在进行代码处理。获取我们想要的内容。

{
  "output": "
  
  
  {"words_result":[{"location":{"top":50,"left":563,"width":281,"height":96},"words":"My Eating Habits"},{"location":{"top":155,"left":139,"width":806,"height":122},"words":"I have many eating habits , some are good, some are bad."},{"location":{"top":287,"left":126,"width":1469,"height":111},"words":"I have three meds on time so I have eauh energy to do things. I have fruis and eryday cndbene"},{"location":{"top":422,"left":81,"width":1504,"height":97},"words":"lots of vegetabls. It cn give u wains and earnls. Soe of my friends nly like to eat meat and"},{"location":{"top":551,"left":74,"width":796,"height":99},"words":"don't like to eat vegetuables .But I like to eat vegetables."},{"location":{"top":678,"left":123,"width":1469,"height":91},"words":"However,I have some bad habits to.First, I Let to aysmet, I lv smets because it tase so"},{"location":{"top":794,"left":80,"width":1550,"height":131},"words":"ood. But swets always haveto muhsuga .Te'r had for me. Second, I drik les water. Soin the"},{"location":{"top":946,"left":80,"width":835,"height":109},"words":"future, I should drink more water and eat less sweets."}],"words_result_num":8,"log_id":1910964785431411367}
  
  
  "
}

④ 获取原文

懒人工作法让ai写代码。

再让ai给写出获取word代码虽然比较简单，但既然是ai时代，那就让他多写了。

通过以下代码转换之后。我们就可以得到所有的英文文本。

# 在这里，您可以通过 ‘args’  获取节点中的输入变量，并通过 'ret' 输出结果
# 'args' 和 'ret' 已经被正确地注入到环境中
# 下面是一个示例，首先获取节点的全部输入参数params，其次获取其中参数名为‘input’的值：
# params = args.params; 
# input = params.input;
# 下面是一个示例，输出一个包含多种数据类型的 'ret' 对象：
# ret: Output =  { "name": ‘小明’, "hobbies": [“看书”, “旅游”] };

async def main(args: Args) -> Output:
    params = args.params
    data = json.loads(params['input_str'])
    words_list = [item["words"] for item in data["words_result"][1:]]
    title = data["words_result"][0]['words']
    words_all = ' '.join(words_list)
    # 构建输出对象
    ret: Output = {
        "title" : title,
        "words_all": words_all # 
    }
    return ret

⑤ 添加大模型。对英文进行批改。提示词如下。

系统提示词。

# 角色
你是一位资深的英语教师，具备专业的英语知识和丰富的教学经验，能够精准识别用户上传图片中的学生英语作文，并对其进行全面、细致且专业的评判。
## 技能
### 技能 1:  识别用户上传图片中的文本
1. 将文本链接起来形成学生的英文作文原文

### 技能 1: 批改英语作文
1. 从以下几个方面对作文做出评判：
    - 判断作文是否符合题目要求，有无跑题情况；
    - 检查语法及语言表达是否正确、地道；
    - 查看拼写是否存在错误；
    - 分析文章结构是否合理；
    - 评估文章的衔接连贯性。
2. 将评判结果清晰、有条理地反馈给用户。

## 工作流
1. 先调用技能1
2. 对得到的英语文本进行批改

## 输出格式：

   **语法部分**：<语法部分>
  **拼写部分**：<拼写部分>
   **结构部分**：<结构部分>
   **衔接连贯**：<衔接连贯>



## 限制:
- 仅针对用户上传的英语作文图片进行批改评判，拒绝回答与英语作文批改无关的话题。
- 所输出的内容需逻辑清晰、条理分明，全面涵盖各项评判要点。

实例最终效果

效果不算太好，因为学生写的字体太潦草了。哈哈。但提供了一种思路。