1. 项目简介
Unlimited-OCR 是一个基于 Gitee 平台开源的 OCR（光学字符识别）工具项目，其原型设计参考了百度 OCR 服务的优秀实践（相关技术趋势可参考 Trendshift 上的百度 OCR 项目分析）。该项目旨在为用户提供无限量、免费且高效的文字识别能力，通过调用云端 OCR 接口，帮助用户快速将图片中的文字提取为可编辑的文本内容。
发布时间：2026 年 6 月 22 日，百度正式开源，论文 + 代码 + 权重全部公开 开源协议：MIT 协议，允许免费商用、本地私有化部署 项目地址
项目借鉴了百度 OCR 在图像预处理、文字检测和识别算法方面的成熟经验，同时结合开源社区的创新思路，打造了一个更加轻量、易用且完全免费的文字识别解决方案。无论是文档扫描、截图识别，还是票据处理等多种场景，Unlimited-OCR 都能提供稳定可靠的识别服务。
https://gitee.com/www520mustop_0/Unlimited-OCR
Unlimited-OCR vs PdfSharp vs Free Spire.PDF for .NET 完整对比
核心本质区别（最关键）
- PdfSharp、Free Spire.PDF：.NET 标准 PDF 文件处理库，作用是读写、编辑、生成、解析原生矢量 PDF（可复制文字的 PDF），本身不带 OCR 能力。
- Unlimited-OCR：AI 视觉大模型 OCR 引擎，专门处理扫描件 PDF、图片 PDF、拍照文档，把图片画面还原成带版式、表格、层级的结构化文字，不具备 PDF 文件编辑、生成能力。
三者是互补关系，不是替代关系，标准业务流程： PdfSharp/Spire.PDF（PDF拆页、转图片、文件修改） → Unlimited-OCR（图片OCR识别） → PdfSharp/Spire.PDF（把识别文字写入PDF生成可检索文档）
一、分项详细对比表
表格
| 对比维度 | PdfSharp（开源 MIT） | Free Spire.PDF for .NET（免费版） | 百度 Unlimited-OCR |
|---|---|---|---|
| 产品定位 | 轻量 PDF 构造 / 解析库 | 全功能商用 PDF 处理库（阉割免费版） | AI 多模态长文档 OCR 识别模型 |
| 原生 OCR 功能 | ❌ 完全没有。只能提取 PDF 内部矢量文字，扫描 PDF（图片型 PDF）读不出任何文字 | ❌ 本体无 OCR；OCR 需要额外付费 Spire.OCR 组件 | ✅ 核心功能，主打扫描 PDF、照片、手写、盖章文件文字提取 |
| 文本提取能力 | 仅原生矢量 PDF，依靠解析 PDF 数据流拿文字；多栏、表格文字顺序错乱严重 | 矢量 PDF 文字提取稳定性强于 PdfSharp，复杂排版依旧容易串行 | 一次性读取几十页 PDF 图像，自动还原标题、跨页表格、双栏排版、公式，输出标准 Markdown 结构化内容 |
| PDF 编辑 / 生成 | ✅ 新建 PDF、合并拆分、加水印、签章、绘制图文、加密、简单表单 | ✅ 功能极全：PDF 转 Word / 图片、表单填充、签名、批注、压缩、权限加密 | ❌ 完全不能编辑、生成、修改 PDF 文件，只负责识图转文字 |
| 免费约束 | MIT 协议，无页数、无水印、永久免费商用，无任何限制 | 免费版硬性限制：加载 PDF 最大 10 页；PDF 转文件仅前 3 页；输出文件有水印；商用无免费完整能力 | MIT 开源协议，模型永久免费商用；推理无页数限制（硬件够即可） |
| 运行依赖 | 纯 C# 托管代码，无第三方本地库，跨 Windows/Linux/macOS，零额外环境 | 封装原生 dll，.NET 直接引用即可，无需 CUDA、显卡 | 必须部署 Python+vLLM 服务，C# 仅 Http 调用接口；需要 NVIDIA 显卡运行模型 |
| 硬件需求 | 仅 CPU 即可运行，资源占用极低 | 纯 CPU 运行，资源消耗很小 | 笔记本最低 RTX3050 6G 显存 + 16G 内存；纯 CPU 速度极慢无法批量使用 |
| 长文档处理 | 长 PDF 拆分、合并很轻松，但识别文字排版崩盘 | 文件操作稳定，但扫描类 PDF 必须搭配第三方 OCR | 核心强项，32K 上下文，整份几十页 PDF 一次性推理，显存不会持续暴涨 |
| 手写 / 模糊文件 | 完全无法识别图片里的手写、模糊扫描件 | 自身做不到，需要付费 OCR 组件，普通手写识别效果一般 | 对低清扫描、盖章、轻度手写、老旧文稿识别效果优秀 |
| 多语言混排 | 只读取 PDF 内置文字编码，无识别逻辑 | 同左，无图像识别能力 | 原生自动识别中英日韩混排文档，无需手动切换语种 |
二、各自优缺点拆解
1、PdfSharp
✅ 优点
- 完全免费开源无捆绑，企业商用零成本
- 体积轻巧，只做 PDF 底层操作，运行稳定、bug 少
- 纯托管代码，部署最简单，C# 项目直接 Nuget 引用 ❌ 缺点
- 文字提取非常简陋，复杂表格、多栏文档文字顺序混乱
- 没有 PDF 转 Word、批量格式转换等高阶功能
- 零 OCR，扫描 PDF 直接空白无文字
适用场景：程序动态生成 PDF 报表、PDF 分页合并拆分、简单水印加密、矢量 PDF 纯文本导出
2、Free Spire.PDF for .NET
✅ 优点
- PDF 文件处理功能齐全，开箱即用，API 友好，文档丰富
- 矢量 PDF 解析、格式转换、表单、签名能力很强 ❌ 硬伤
- 免费版页数阉割严重，正式商用必须付费购买授权
- 自带 OCR 是独立付费产品，免费版不含识别能力
- 处理扫描 PDF 依然无能为力
适用场景：需要复杂 PDF 格式转换、表单处理、文档加密，且文件页数≤10 页的小型需求
3、Unlimited-OCR
✅ 优点
- 长文档结构化 OCR 目前第一梯队，表格、版式还原碾压传统 OCR 方案
- 本地离线推理，涉密合同、档案数据不出本机，安全性高
- 开源免费商用，一次性部署永久使用，无按次 / 按页付费 ❌ 缺点
- 只解决 “图片转文字” 一件事，PDF 的增删改操作必须搭配上面两个库
- 有显卡硬件门槛，项目部署链路更长（Python 服务 + C# 调用）
适用场景：扫描合同、档案数字化、书籍 PDF 识别、大批量纸质文件电子化、知识库文档结构化解析
三、C# 项目标准组合方案（落地最优解）
方案 A（中小型办公系统，推荐）
Free Spire.PDF（PDF文件管理、PDF转图片、结果写入PDF） + 本地Unlimited-OCR接口（图像OCR识别）
- Spire 负责 PDF 所有文件层面操作，规避 PdfSharp 复杂格式兼容性差的问题
- Unlimited-OCR 搞定最难的扫描件文字结构化识别
方案 B（追求零授权费用、纯开源）
PdfSharp（PDF分页、PDF渲染导出图片） + Unlimited-OCR 全程 MIT 开源，无任何版权收费，适合自研内部系统、涉密内网平台
四、选型快速判断口诀
- 只需要创建、修改、拆分正常可复制的 PDF → PdfSharp（免费） / Spire.PDF（功能全，付费）
- 手里是扫描版 PDF、拍照 PDF、纸质扫描件，要提取规整文字、表格 → 必须上 Unlimited-OCR
- 既要处理 PDF 文件，又要识别扫描文稿 → 二者搭配使用，各司其职
2. 项目特点
- 无限量使用：项目主打不限次数的 OCR 识别服务，满足高频识别需求。
- 完全免费：无需付费即可使用全部识别功能。
- 开源透明：代码托管在 Gitee 上，开发者可自由查看、修改和二次开发。
- 简单易用：提供简洁的交互界面，上传图片即可快速获得识别结果。
- 多场景适用：支持截图、扫描件、照片等多种图片格式的文字提取。
3. 技术原理
Unlimited-OCR 的核心思路是借助云端 OCR 服务完成文字识别。项目通过封装 HTTP 请求，将用户上传的图片发送至云端识别接口，并解析返回的识别结果。其工作流程大致如下：
- 用户选择或拖拽图片到界面。
- 前端将图片转换为 Base64 编码或二进制数据。
- 后端调用云端 OCR 接口，携带图片数据发起识别请求。
- 云端返回识别文本及置信度信息。
- 前端解析并展示识别结果，支持一键复制。
下图展示了 Unlimited-OCR 的整体架构，以及前端、后端与云端 OCR 接口之间的数据流向：
flowchart TD
A[用户上传图片] --> B[前端界面]
B -- 转换为 Base64 / 二进制数据 --> C[后端服务]
C -- 封装 HTTP 请求 --> D[云端 OCR 接口]
D -- 返回识别文本及置信度 --> C
C -- 解析并返回结果 --> B
B -- 展示识别结果 / 一键复制 --> A
4. 快速开始
要使用 Unlimited-OCR，只需以下几步：
- 访问 Gitee 项目主页，将代码克隆到本地。
- 按照 README 文档安装所需依赖。
- 启动项目服务。
- 在浏览器中打开界面，上传图片即可开始识别。
关于项目的详细界面说明、功能模块和操作指引，请参考项目仓库中的 README_UI.md 文档，其中对界面布局、各功能入口和使用注意事项做了重点说明。
4.1 界面说明与功能模块
以下是 README_UI.md 文档中关于 Unlimited-OCR 界面布局和功能模块的详细说明：
主界面布局
Unlimited-OCR 的主界面采用简洁直观的设计，主要分为以下几个区域：
- 顶部导航栏：包含项目名称、GitHub/Gitee 链接、设置按钮和帮助文档入口。
- 图片上传区域：位于界面中央，支持拖拽上传和点击选择图片文件。
- 识别结果展示区：图片上传后，右侧会显示识别出的文本内容，支持一键复制。
- 历史记录面板：左侧显示最近识别的图片和结果，方便快速查看和复用。
- 底部状态栏：显示当前识别状态、识别耗时和置信度信息。
核心功能模块
- 图片上传模块
- 支持 JPG、PNG、BMP、GIF 等多种图片格式
- 最大支持 10MB 的图片文件
- 支持批量上传和拖拽操作
- 图片预览和裁剪功能
- OCR 识别模块
- 自动检测图片中的文字区域
- 支持多语言识别（中文、英文、日文、韩文等）
- 可调整识别精度和速度平衡
- 实时显示识别进度
- 结果处理模块
- 识别结果分段落展示
- 支持文本格式保留（粗体、斜体等）
- 一键复制到剪贴板
- 导出为 TXT、Word、PDF 格式
- 历史管理模块
- 自动保存识别历史
- 支持按时间、文件名搜索
- 可批量删除历史记录
- 历史记录云端同步（可选）
操作指引
第一步：上传图片
- 点击中央的「上传图片」按钮或直接将图片拖拽到指定区域
- 支持从剪贴板粘贴图片（Ctrl+V）
- 批量上传时，系统会按顺序自动识别
第二步：开始识别
- 上传后系统会自动开始识别，无需额外操作
- 如需调整识别参数，可在右上角设置中修改
- 识别过程中可随时取消
第三步：查看与使用结果
- 识别完成后，右侧会显示提取的文本
- 点击「复制」按钮可将全部文本复制到剪贴板
- 点击「导出」可选择导出格式
- 识别结果会自动保存到历史记录
使用注意事项
- 图片质量：建议使用清晰、光线均匀的图片，识别准确率更高
- 文件大小：单张图片建议不超过 5MB，过大的图片会影响识别速度
- 隐私保护：所有识别均在本地或指定云端进行，不会存储用户图片
- 网络要求：使用云端识别时需要保持网络连接
- 浏览器兼容：建议使用 Chrome、Firefox、Edge 等现代浏览器
通过以上详细的界面说明和操作指引，用户可以快速上手 Unlimited-OCR，充分利用其各项功能完成文字识别任务。
5. 使用场景
- 办公文档处理：将纸质文档扫描后快速转为电子文本。
- 截图文字提取：从网页、聊天记录等截图中提取文字信息。
- 票据信息录入：识别发票、收据上的关键字段，减少手动输入。
- 学习笔记整理：将教材、课件照片中的文字转为可编辑笔记。
6. 总结
Unlimited-OCR 是一个实用且易上手的开源 OCR 工具，凭借其无限量、免费的特点，非常适合个人用户和开发者日常使用。如果你需要频繁进行文字识别，不妨前往 Gitee 项目主页体验一下。
Unlimited-OCR 完整介绍
一、两个同名事物区分
市面上存在百度开源 AI 模型 Unlimited-OCR（主流、技术向）、网页在线工具 unlimited-ocr.com（普通在线 OCR 网站），二者相互独立，百度模型是当下行业焦点。
1）百度开源 Unlimited-OCR（核心主体）
发布时间：2026 年 6 月 22 日，百度正式开源，论文 + 代码 + 权重全部公开 开源协议：MIT 协议，允许免费商用、本地私有化部署 项目地址
- GitHub：github.com/baidu/Unlimited-OCR
- 模型权重：huggingface.co/baidu/Unlimited-OCR
- 基线底座：基于 DeepSeek-OCR 编码器改造升级
2）在线网站 unlimited-ocr.com
第三方网页 OCR 工具，借用同名；无注册、无额度限制、免费输出 Markdown，仅做普通图片 / PDF 文字提取，和百度开源模型无隶属关系。
二、百度 Unlimited-OCR 核心技术原理
1）核心创新：R-SWA 参考滑动窗口注意力
传统 OCR 识别多页长文档时，KV 缓存会随文字输出量线性暴涨，显存占用越来越高、推理越来越慢、极易爆显存，长文档只能分页识别，造成跨页表格、公式、上下文断裂错乱。 R-SWA 机制优化逻辑：
- 全程保留全部原始图片视觉信息做参照（不会丢文档画面）
- 仅缓存最近 128 个已生成文本 Token，老旧输出内容直接淘汰
- KV 缓存固定为常量大小（O (1) 复杂度），2 页文档和 40 页文档显存消耗一致
- 32K 超大上下文窗口，单次推理一口气解析数十页 PDF 文件
2）模型体量（轻量化高性能）
- 总架构：3B MoE 混合专家模型
- 实际推理激活参数仅 0.5B 左右，低配显卡也可本地部署
- 推理吞吐最高可达 5580 TPS，长文本场景比原版 DeepSeek-OCR 提速约 35%，文档越长优势越大
三、核心能力与实测效果
- 长文档一次性端到端解析 单次前向传播识别最高 40 + 页 PDF / 图片合集，不用分页循环识别；自动串联跨页表格、页眉页脚、注释、公式，排版不会割裂错乱。
- 版式结构化还原（强项） 自动区分标题、正文、多级列表、复杂表格、数学公式、双栏排版，直接输出标准Markdown 格式（表格、公式原生保留），省去大量手动排版修复工作。
- 高精度识别 SOTA 水准 在权威文档基准 OmniDocBench v1.6 得分 93.92%，较 DeepSeek-OCR 基线提升 6.22 个百分点；适配模糊扫描件、手写文字、盖章水印、低对比度老旧文稿、密集排版文件。
- 多语言原生支持 中英混排、日韩、英法德等多国语言无需手动切换语种，模型自动识别语种；兼容票据、合同、书籍、试卷、档案、白板照片等绝大多数办公文档。
- 部署形态丰富 原生支持 Transformers、SGLang、vLLM 加速推理；提供 GGUF 量化版，可在 CPU、本地显卡、云端 API、Docker 容器部署，适配 RAG 知识库、档案数字化、批量文档解析等业务场景。
四、传统 OCR vs Unlimited-OCR 对比
表格
| 维度 | 传统分页式 OCR（PaddleOCR / 普通商用接口） | 百度 Unlimited-OCR |
|---|---|---|
| 处理方式 | 逐页识别，每页独立推理 | 多页整份文档单次推理 |
| 显存 / 速度 | 文本越长，显存越高、速度衰减 | 显存恒定，速度全程稳定 |
| 跨页内容 | 表格、公式、上下文极易断裂 | 完整保留文档逻辑结构 |
| 排版输出 | 纯文字，排版混乱需二次整理 | 原生结构化 Markdown |
| 长文档成本 | 商用 API 按页数计费成本高 | 本地部署零调用费用 |
五、适用场景
- 个人：扫描书籍、毕业论文、扫描版 PDF 转可编辑文档、合同归档整理
- 企业：大批量档案数字化、法务合同解析、财务票据批量提取、知识库 RAG 文档预处理
- 开发者：自研内部 OCR 服务、私有化文档系统、离线数据脱敏解析（文件不外发云端）
六、优缺点总结
优点
- MIT 开源免费商用，无授权费用，数据本地处理安全性高
- 小参数实现超长文档稳定解析，硬件门槛友好
- 版式还原能力极强，大幅降低后期文字整理工作量
- 社区活跃，支持量化、多种推理框架，易二次开发集成
不足
- 纯 GPU 推理体验最佳，CPU 运行速度较慢
- 重度手写潦草字迹识别精度依旧有限
- 原生只输出文本结构，不支持直接生成带图层的可检索 PDF
七、简易使用途径
- 新手体验：HuggingFace 在线 Demo、ModelScope 一键运行
- 本地部署：下载权重 + Python 推理脚本，N 卡即可运行
- 开发集成：封装成 OpenAI 兼容接口，对接现有业务系统
- 临时使用：第三方网页unlimited-ocr.com（简易免费在线提取）
百度 Unlimited-OCR 企业私有化部署全套所需清单
整体分为：法律授权、硬件资源、系统 & 软件环境、模型文件、生产运行组件、运维配套、集成对接资源7 大块，全部基于官方开源仓库与生产落地经验整理。
一、授权资质（企业商用必备）
- 开源协议：项目采用 MIT 协议
- 允许：免费商用、修改源码、二次封装、私有化部署、对外提供内部服务、打包进企业产品售卖
- 无专利捆绑、无授权费、无需向百度报备使用
- 义务：保留原始开源版权声明即可
- 补充说明
- 企业内网、政务、财务、档案系统直接使用完全合规；
- 若对外做成 SaaS OCR 服务售卖，仅需在程序代码注释里保留原作者版权头部。
二、硬件配置（生产分级标准，仅 NVIDIA 显卡原生最优）
模型本体大小：BF16 原版权重≈6.7GB，磁盘占用合计 8GB 左右；量化版更小
1）显存 & 显卡（核心瓶颈）
表格
| 部署场景 | 精度格式 | 最低显存 | 推荐显卡 | 适用业务 |
|---|---|---|---|---|
| 开发测试、单任务少量 PDF | INT4 量化 GGUF | 6GB VRAM | RTX3060/4060 | 研发调试、小批量测试 |
| 内部办公服务、并发≤5 | INT8 量化 | 8GB VRAM | RTX4070Ti / A10 24G | 公司日常合同、发票解析 |
| 标准生产服务、并发 10～20、40 页长文档 | BF16 原版 | 16GB VRAM | RTX4090 / A10 24G | 档案数字化、法务批量文件 |
| 高并发集群、7×24 线上服务 | BF16 | 24GB+ | A10/A800/H100 | 多部门共用平台、高吞吐接口 |
CPU 可运行，但几十页 PDF 识别耗时几十秒～分钟，不建议企业生产用 CPU 推理。
2）服务器整机配套资源
- CPU：推理节点 ≥8 核 16G 内存；接口网关 / 任务调度节点 ≥4 核 8G
- 内存：推理服务器物理内存 ≥32GB，防止加载模型 + 文件预处理 OOM
- 硬盘：SSD 固态（NVMe 优先），预留≥20GB；机械盘存放原始文档数据
- 网卡：内网千兆网卡，集群部署建议万兆网卡
- 部署架构建议（标准企业） 网关服务节点 + 独立 GPU 推理节点（多卡可横向扩容）+ 文件存储节点分离
三、操作系统 & 底层驱动环境
1）操作系统（生产首选）
- 正式服务：Ubuntu 22.04 / CentOS Stream 9 / Debian 12（Linux）
- 测试工作站：Windows Server 2022、Windows11 专业版
官方开发、测试全部基于 Linux，Windows 容易出现 CUDA、编译兼容问题
2）NVIDIA 驱动 & CUDA（硬性版本匹配）
- CUDA 版本：官方固定适配 CUDA 12.9 / CUDA13.0
- 显卡驱动：CUDA12.9 对应驱动 ≥545.x
- cuDNN：配套对应 CUDA 版本 cuDNN 库
- 容器化部署可直接使用官方 vLLM 镜像，不用手动安装 CUDA
3）系统预装依赖包（Linux）
bash
apt install git git-lfs ffmpeg poppler-utils build-essential openssl
- git-lfs：拉取 HuggingFace 大体积模型权重
- poppler-utils：PDF 解析、PDF 转图片预处理（OCR 前置必备）
四、软件运行环境（固定版本，不能随意升级）
- Python 版本：严格 3.12（官方验证版本，3.13 可兼容，其余版本容易报错）
- 核心固定依赖包版本
plaintext
torch==2.10.0
torchvision==0.25.0
transformers==4.57.1
pymupdf==1.27.2.2 # PDF处理
einops、addict、easydict、psutil、pillow==12.1.1
-
推理服务框架（企业三选一）
表格
框架 适用企业场景 特点 vLLM 绝大多数企业，对外提供 OpenAI 标准 API 部署最简单、开箱 API、并发友好 SGLang 高性能、自定义调度、超高吞吐、多卡分布式 长文档处理速度最优，适合大批量任务 原生 Transformers 二次深度定制、内嵌进业务代码 仅适合内部 SDK 调用，不适合高并发接口 -
容器化工具：Docker + Docker Compose（企业标准化交付首选）
五、模型文件获取（企业必须本地离线留存，禁止线上实时拉取）
两种下载渠道（国内优先 ModelScope，速度更快）
- 百度官方仓库地址
- GitHub 代码：
github.com/baidu/Unlimited-OCR - 权重 1：HuggingFace
baidu/Unlimited-OCR - 权重 2：阿里魔搭 ModelScope（国内高速下载）
- GitHub 代码：
- 企业落地要求
- 内网环境：提前在外网下载完整权重、代码包，离线上传服务器
- 权重格式：原版 safetensors（高精度）/ GGUF 量化文件（省显存）
- 磁盘存放：单独 SSD 目录存放模型，不要放在系统盘
六、企业生产环境必备中间件 & 配套组件
只跑 demo 不需要，正式上线业务系统必须部署：
- 接口网关 & 负载均衡：Nginx，做多 GPU 节点负载分发、接口鉴权、限流
- 任务队列（大批量 PDF 异步解析）：Redis + Celery/RabbitMQ 适用：档案批量上传、千万级文件异步 OCR，防止同步接口压垮服务
- 存储服务
- 临时文件：Redis 缓存
- 原始 PDF / 图片、OCR 结果（Markdown / 表格数据）：MinIO 对象存储 / 企业自有 NAS
- 日志 & 监控
- 日志：Loki + Grafana 或 ELK，记录调用量、报错、识别耗时
- 服务器监控：Prometheus + Grafana（监控 GPU 显存、利用率、内存、接口 QPS）
- 权限安全
- API 密钥鉴权、内网防火墙端口封禁、服务只对内网开放
- 文件脱敏处理：涉密文档 OCR 本地闭环，数据不出企业机房
七、三种企业部署模式所需物料对比
模式 1：单机 Docker 部署（中小公司，1~2 台 GPU 服务器）
需要：Docker 镜像（vllm 官方镜像）+ 离线模型文件 + Nginx 反向代理 + 简单调用鉴权
模式 2：分布式多 GPU 集群（中大型企业，多部门共用 OCR 平台）
需要：Docker Compose/K8s、vLLM 分布式推理、Redis 队列、对象存储、监控大盘
模式 3：内嵌进企业自研业务系统（ERP / 档案系统 / 财务系统内置 OCR）
需要：Transformers 封装 SDK、离线模型、业务服务接口对接、文件读写权限
八、部署落地额外必备资料 & 文档
- 项目原生 README 启动脚本（vLLM/SGLang 标准启动命令）
- 企业化配置文件：显存占用比例、最大并发、32K 上下文窗口固定参数
- 运维脚本：服务自启动、进程保活、模型热重载、异常自动重启
- 对接文档：标准 OpenAI 格式请求 / 返回示例，方便后端开发对接
九、最简落地清单总结（照着采购部署即可）
- 许可：MIT 协议，无需付费授权
- 硬件：单台 A10 24G 服务器 / RTX4090 工作站 + NVMe SSD
- 系统：Ubuntu22.04 + CUDA12.9 + Docker
- 软件：Python3.12 + 固定版本依赖 + vLLM 镜像
- 资源：离线完整模型权重、项目源码包
- 生产组件：Nginx、Redis、MinIO、Prometheus 监控
其他资料
Odoo 出海供应链管理：库存管理与全球化运营实战-CSDN博客
.NET10+AI 架构师全套实战学习文档（含源码、案例、面试题、项目源码）_net10搭建知识库-CSDN博客
业务系统设计 权限系统 MAC、DAC、RBAC、ABAC 、核心概念（主体 / 客体 / 用户 - 角色 - 对象）、及数据权限_rbaca-CSDN博客
扫一扫
760
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
