OCR：recognize_text 不校验服务响应的 success 字段，服务端内部失败会被当成「合法无文字」 #36

New Issue

2026-10-22T10:41:32+08:00

iomgaa commented

2026-10-22 10:41:32 +08:00

背景

#34 的设计调研（research-wiki/designs/2026-10-21-issue34-ocr-document-design.md §1 E13）读 MonkeyOCR 服务源码发现：/ocr/text 内部抛异常时返回的是 HTTP 200，而不是错误状态码：

api/main.py:622-629：捕获所有异常后返回 TaskResponse(success=False, content="", message="OCR task failed: ...")。

现状与后果

transports/monkey_ocr.py:240-247 的 recognize_text 只校验 content 是 str，不看 success，空串又是合法的「无文字」。所以服务端任何内部失败（OOM、模型异常等）都会被库当成「这张图没有文字」，熔断还记成功，下游完全无感。

对照：同文件 parse_layout（:262-270）对 success is not True 会抛 RequestRejectedError 并附 status_code=200，两个端点不对称。

证据与未证实部分

源码路径：已读（本机 ~/Code/MonkeyOCR，提交 a4d853f，版本 1.1.0，与线上样本的 _version_name 一致）。
线上未复现：2026-10-21 用乱码字节打 /ocr/text，得到的是 success:true + 幻觉文本 "The image contains a single character: 1"（同一输入打 /parse 才是 500），没有触发到 success:false 分支。所以「内部异常→200+success:false」是源码推断，需要先找到能稳定触发该分支的输入再确认。
另一个相关事实：对无法解码的输入，/ocr/text 会返回 success:true 的幻觉文本，这是服务行为，库侧只能靠输入预检缓解。

本 issue 要决定的

先确认 success:false 分支在线上是否可触发。
是否让 recognize_text 在 success is not True 时抛 RequestRejectedError（附 status_code=200，与 parse_layout 对称）。这会改变医院线既有行为，需走 brainstorming。
是否给 recognize_text 加输入预检（无法识别的字节本地拒绝）。

## 背景 #34 的设计调研（research-wiki/designs/2026-10-21-issue34-ocr-document-design.md §1 E13）读 MonkeyOCR 服务源码发现：`/ocr/text` 内部抛异常时返回的是 **HTTP 200**，而不是错误状态码： `api/main.py:622-629`：捕获所有异常后返回 `TaskResponse(success=False, content="", message="OCR task failed: ...")`。 ## 现状与后果 `transports/monkey_ocr.py:240-247` 的 `recognize_text` 只校验 `content` 是 `str`，**不看 `success`**，空串又是合法的「无文字」。所以服务端任何内部失败（OOM、模型异常等）都会被库当成「这张图没有文字」，熔断还记成功，下游完全无感。对照：同文件 `parse_layout`（`:262-270`）对 `success is not True` 会抛 `RequestRejectedError` 并附 `status_code=200`，两个端点不对称。 ## 证据与未证实部分 - 源码路径：已读（本机 `~/Code/MonkeyOCR`，提交 `a4d853f`，版本 1.1.0，与线上样本的 `_version_name` 一致）。 - **线上未复现**：2026-10-21 用乱码字节打 `/ocr/text`，得到的是 `success:true` + 幻觉文本 `"The image contains a single character: 1"`（同一输入打 `/parse` 才是 500），没有触发到 `success:false` 分支。所以「内部异常→200+success:false」是源码推断，需要先找到能稳定触发该分支的输入再确认。 - 另一个相关事实：对无法解码的输入，`/ocr/text` 会返回 `success:true` 的幻觉文本，这是服务行为，库侧只能靠输入预检缓解。 ## 本 issue 要决定的 1. 先确认 `success:false` 分支在线上是否可触发。 2. 是否让 `recognize_text` 在 `success is not True` 时抛 `RequestRejectedError`（附 `status_code=200`，与 `parse_layout` 对称）。这会改变医院线既有行为，需走 brainstorming。 3. 是否给 `recognize_text` 加输入预检（无法识别的字节本地拒绝）。

Sign in to join this conversation.

1 Participants

Notifications

Due Date

No due date set.

Dependencies

No dependencies set.

Reference: iomgaa/PolyGateway#36