镜像

两种镜像都在 GitHub 容器镜像仓库 ghcr.io/jinyuanzhou-leo/semestra-allinone，并且都是公开的。

默认镜像以前的后缀是 -ocr；-ocr 标签作为别名保留到 2.0。

arm64 机器（如树莓派、Apple Silicon 上的 Docker）请用默认镜像。

本机 OCR复制链接

默认镜像在服务器上用 PaddleOCR（只用 CPU）识别扫描版 PDF 和照片，不会为此调用 AI 模型。识别时在应用本身约 1 GB 之外再占用最多 2 GB 内存，一次处理一个文档，每页约 2 秒。

每个用户在 AI 设置 → 模型的 OCR 一行里选择模型：本机的 PaddleOCR 模型，或某个服务商的模型。选择器里会显示每个本机模型的 下载大小、速度和准确程度。本机模型在第一次用到时、或用户在该行点下载时下载到数据卷，应用里会显示进度。服务器之后不能联网的话，请趁还能联网时先下载：

docker compose exec semestra semestra ocr-models --all

用小镜像时，用户在 OCR 和搜索两行里选服务商的模型。改 SEMESTRA_IMAGE_VARIANT 再运行 docker compose up -d 就能来回切换，数据不受影响。

本机 embedding复制链接

默认镜像还会在服务器上计算搜索用的向量，不接 AI 服务商也能在文件里做语义搜索。它用 ONNX Runtime 跑 Hugging Face 上的 ONNX 模型，只用 CPU。用户已经有带 embedding 模型的服务商（或服务器配置了 全实例服务商）时，自动会继续用它；没有时才用本机的默认模型。用户也可以在 AI 设置 → 模型的 搜索一行里选模型：

用户也可以输入任何带 ONNX 版本（有 onnx/ 目录和 tokenizer.json）的 Hugging Face 模型名。模型和 OCR 模型一样在第一次用到时下载到数据卷；下载完成前文件只能按关键词搜索，下载后会补上向量。 换模型会在后台重建向量。提前下载：

docker compose exec semestra semestra embedding-models --all

模型常驻在单独的进程里，空闲十分钟后退出。Docker 用不了 Mac 的 GPU，所以这里只用 CPU；想用 GPU，可以在宿主机上跑 Ollama，再选它的 embedding 模型。相关设置见全部设置。

释放磁盘空间复制链接

设置 → 数据 → 本地模型显示每个已下载模型占用的空间，可以删掉不需要的模型。任何账户都能删除；仍有人在用的模型下次用到时会重新下载。

固定版本复制链接

latest 会跟随每次发布。想自己决定何时升级，在 .env 里写上版本：

SEMESTRA_VERSION=1.2.0

预发布版本（例如 2.0.0-beta.0，在 GitHub 上标为 Pre-release）不会成为 latest。想试用时同样写上它的版本；改回 latest 就回到正式版。试用前先备份：新版本会升级数据库，旧版本可能无法再打开它。

自己构建镜像复制链接

在仓库根目录运行：

docker build -f deploy/docker/Dockerfile --target allinone-local \
  -t ghcr.io/jinyuanzhou-leo/semestra-allinone:dev-local .

小镜像用 --target allinone 和标签 :dev。然后让 compose 文件使用它：

SEMESTRA_VERSION=dev

升级时 git pull、重新构建，再运行 docker compose up -d（不要用 docker compose pull）。

网页应用的构建参数，会写进镜像：