有一张图片如下所示：
Kimi上有一个功能，就是解析图片内容，给出回答：
image-20241008185201298这样可以用于拍照向AI提问的场景，我自己也有这方面的需求，因此动手实践了一下。
自己动手实现的效果如下所示：
image-20241008185722470那么自己如何实现呢？
可以通过添加一个OCR的功能来实现。中文图片文字识别也就是OCR效果比较好的是百度开源的PaddleOCR，之前介绍过PaddleOCR的.NET绑定PaddleSharp，见这篇文章：C#使用PaddleOCR进行图片文字识别。
之前使用PaddleOCR的时候，我已经在电脑上安装了一个虚拟环境，因为需求比较简单，就是将图片进行文字识别之后返回文本就行了，因此今天玩个不一样的，不用.NET绑定，直接调用Python脚本就好了。
那么现在拆解任务就是：
C#如何调用Python脚本？
那么就先来试一下，最简单的调用，调用Python脚本输出一个Hello：
print("Hello")可以使用 System.Diagnostics.Process 类来启动一个外部进程来运行Python脚本:
string pythonScriptPath = @"D:\学习路线\人工智能\图片文字识别\test.py"; // 替换为你的Python脚本路径string pythonExecutablePath = @"D:\SoftWare\Anaconda\envs\paddle_env\python.exe"; // 替换为你的Python解释器路径 ProcessStartInfo start = new ProcessStartInfo(); start.FileName = pythonExecutablePath; start.Arguments =$"{pythonScriptPath}"; start.UseShellExecute = false; start.RedirectStandardOutput = true; start.RedirectStandardError = true; start.CreateNoWindow = true;using (Process process = Process.Start(start)) {using (System.IO.StreamReader reader = process.StandardOutput) {string result = reader.ReadToEnd(); MessageBox.Show(result); }using (System.IO.StreamReader errorReader = process.StandardError) {string errors = errorReader.ReadToEnd();if (!string.IsOrEmpty(errors)) { MessageBox.Show("Errors: " + errors); } } }其中ProcessStartInfo各属性的解释如下：
FileName：含义：指定要启动的程序或文档的名称。示例：在这里，pythonExecutablePath 是 Python 解释器的路径，如 "C:\path\to\python.exe"。Arguments：含义：指定传递给要启动程序的命令行参数。示例：在这里，pythonScriptPath 是你要执行的 Python 脚本的路径，如 "C:\path\to\hello.py"。UseShellExecute：含义：指定是否使用操作系统 shell 来启动进程。如果设置为 false，则直接启动进程；如果设置为 true，则通过 shell 启动进程。示例：在这里，设置为 false，表示不使用 shell 启动进程，而是直接启动 Python 解释器。RedirectStandardOutput：含义：指定是否将子进程的标准输出重定向到 Process.StandardOutput 流。示例：在这里，设置为 true，表示将 Python 脚本的输出重定向到 Process.StandardOutput，以便你可以读取它。RedirectStandardError：含义：指定是否将子进程的标准错误输出重定向到 Process.StandardError 流。示例：在这里，设置为 true，表示将 Python 脚本的错误输出重定向到 Process.StandardError，以便你可以读取它。CreateNoWindow：含义：指定是否在新窗口中启动进程。如果设置为 true，则不会创建新窗口；如果设置为 false，则会创建新窗口。示例：在这里，设置为 true，表示不创建新窗口，即在后台运行 Python 脚本。现在查看一下运行效果：
image-20241008191313678获取到了Python脚本输出的值。
那么再拆解一下任务，我们需要在命令行中传入一个参数，该如何实现呢？
import sys# 检查是否有参数传递if len(sys.argv) > 1: n = sys.argv[1] print(f"hello {n}")else: print("请提供一个参数")只需修改下图中，这两处地方即可：
image-20241008191639208现在再来试下效果：
image-20241008191805671成功在命令行中传入了一个参数。
那么现在我们的准备工作已经做好了。
PaddleOCR的使用脚本如下：
import sysimport loggingfrom paddleocr import PaddleOCR, draw_ocr# Paddleocr目前支持的多语言语种可以通过修改lang参数进行切换# 例如`ch`, `en`, `fr`, `german`, `korean`, `japan`# 检查是否有参数传递if len(sys.argv) > 1: imagePath = sys.argv[1]else: print("请提供一个参数")# 配置日志级别为 WARNING，这样 DEBUG 和 INFO 级别的日志信息将被隐藏logging.basicConfig(level=logging.WARNING)# 创建一个自定义的日志处理器，将日志输出到 Handler（不输出）class Handler(logging.Handler):def emit(self, record):pass# 获取 PaddleOCR 的日志记录器ppocr_logger = logging.getLogger('ppocr')# 移除所有默认的日志处理器for handler in ppocr_logger.handlers[:]: ppocr_logger.removeHandler(handler)# 添加自定义的 Handlerppocr_logger.addHandler(Handler())ocr = PaddleOCR(use_angle_cls=True, lang="ch") # need to run only once to download and load model into memoryimg_path = imagePathresult = ocr.ocr(img_path, cls=True)for idx in range(len(result)): res = result[idx] for line in res: print(line[1][0])在vs code中运行效果如下所示：
image-20241008192131148现在在WPF应用中调用结果如下：
image-20241009104512270现在图片文字识别的部分已经搞定了。
现在就需要与大语言模型结合起来了，就是将识别出来的文字，丢给大语言模型。
可以这样写：
public async IAsyncEnumerable<string> GetAIResponse4(string question, string imagePath) {string pythonScriptPath = @"D:\学习路线\人工智能\图片文字识别\test.py"; // 替换为你的Python脚本路径string pythonExecutablePath = @"D:\SoftWare\Anaconda\envs\paddle_env\python.exe"; // 替换为你的Python解释器路径 string arguments = imagePath; // 替换为你要传递的参数 ProcessStartInfo start = new ProcessStartInfo(); start.FileName = pythonExecutablePath; start.Arguments = $"{pythonScriptPath} {arguments}"; start.UseShellExecute = false; start.RedirectStandardOutput = true; start.RedirectStandardError = true; start.CreateNoWindow = true;string result = "";using (Process process = Process.Start(start)) {using (System.IO.StreamReader reader = process.StandardOutput) { result = reader.ReadToEnd(); }using (System.IO.StreamReader errorReader = process.StandardError) {string errors = errorReader.ReadToEnd();if (!string.IsOrEmpty(errors)) { MessageBox.Show("Errors: " + errors); } } }string skPrompt = """ 获取到的图片内容：{{$PictureContent}}。 根据获取到的信息回答问题：{{$Question}}。 """;await foreach (var str in _kernel.InvokePromptStreamingAsync(skPrompt, new() { ["PictureContent"] = result, ["Question"] = question })) {yield return str.ToString(); } }就可以实现如下的效果了：
image-20241009104837084全部代码可在https://github.com/Ming-jiayou/SimpleRAG看到。
