[任务] 图片改由 DeepSeek 切块读 #105

关联与状态

路线图 #2，抓取节点。状态：进行中，@JunieXD。#102 比较后定了换：图片和扫描的 PDF 不再用本地的 RapidOCR，改由抽取用的 DeepSeek（deepseek-flash）切块读，比较和设计见 #104（总体设计 §5.2、§7.4、§8.6、§16）。

目标

图片附件和扫描的 PDF 里的日期、网址认得更准：9 张样本的关键信息从 94/113 到 111/113，没有乱码和漏行。抓取节点也不用在本地跑文字识别：镜像去掉 ONNX Runtime 和模型，识别一张图不再占约 750 MiB 内存。

范围

• 图片，和 PDF 里取不出文字的页上的图片，按 §5.2 切块：尽量在没有字的行把长图切开，每块不超过约 1300×1300 像素，按顺序放在一次请求里；提示词要求一字不差地照抄。
• 读过的文件存在抓取节点的磁盘上（SQLite），按附件网址找，一个字节都不差就用上次的文字，不再读；30 天没用到的删掉（§7.4）。容器挂一个卷存它（§16）。
• DeepSeek 没读成的（接口出错、超时），这条通知这一轮算没抓成，下一轮再抓；文件本身坏了的照旧记日志、文字留空（§7.4）。
• 读图的用量和这条通知的抽取一起交（Extraction.usage），没走到抽取的写进日志（§8.6）。
• 删掉 RapidOCR、ONNX Runtime 和本地识别的代码，Pillow 改成直接依赖；开发约定里模块的说明跟着改。
• 不做：不改网站和接口；失败的模型调用也算进用量是路线图里的另一项。

建议的第一步

先写切块，用程序画出来的长图测切口不落在字上；再接上 DeepSeek 和存储，用固定的模型响应测。

验收标准

• 图片和扫描的 PDF 页由 DeepSeek 切块读，RapidOCR 和 ONNX Runtime 从依赖和镜像里删掉
• 同一个网址下载到一字节不差的文件，不再调用模型；存的东西在容器重建后还在
• 读图的用量随抽取交给网站
• ./check.sh 通过；拿一两张真实的通知图片在本地走通一遍，PR 里贴出用量