Marker文档转换工具发布开发者指南

一、准备发布版本

制定版本策略

遵循语义化版本控制规范，明确版本号构成：

• 主版本号：重大架构变更，不保证向后兼容
• 次版本号：新增功能，保持向后兼容
• 修订号：Bug修复和性能优化

配置版本元数据

1. 编辑项目根目录下的pyproject.toml文件，更新版本信息
2. 检查marker/settings.py中的运行时配置参数
3. 确认Poetry构建系统配置正确

版本控制检查清单

• [ ] 版本号已按规范更新
• [ ] 所有代码变更已提交到版本控制系统
• [ ] 依赖项版本已锁定
• [ ] 文档已同步更新

二、验证发布质量

执行自动化测试

运行项目完整测试套件：

pytest tests/

核心测试模块包括：

• 构建器测试：tests/builders/目录下验证文档构建流程
• 转换器测试：tests/converters/目录下验证格式转换准确性
• 处理器测试：tests/processors/目录下验证文档处理逻辑
• 渲染器测试：tests/renderers/目录下验证输出格式正确性

运行性能基准测试

执行基准测试评估系统性能：

python -m benchmarks.overall.overall

主要性能指标包括：

• 转换准确率（LLM Score）
• 平均处理时间
• 内存占用率

多场景验证测试

验证不同文档类型的转换效果：

• 学术论文转换测试
• 表格提取精度测试
• 复杂布局文档处理测试

三、执行发布流程

打包项目资产

使用Poetry构建发布包：

poetry build

打包配置验证项：

• [ ] 元数据完整
• [ ] 依赖项正确包含
• [ ] 可执行入口点配置正确

配置部署选项

Marker提供多种部署方式：

• 命令行工具：convert.py和convert_single.py
• Web服务：marker/scripts/server.py
• 交互式界面：marker/scripts/streamlit_app.py

部署参数配置表

部署方式	配置文件	主要参数	适用场景
命令行工具	marker/settings.py	batch_size, output_format	批量处理
FastAPI服务	marker/config/parser.py	port, workers	服务集成
Streamlit应用	marker/scripts/streamlit_app.py	theme, max_file_size	交互式使用

四、优化发布流程

配置自动化流程

1. 配置pre-commit钩子实现代码质量自动检查
2. 设置CI/CD流水线自动运行测试套件
3. 实现版本号自动递增脚本

表格提取性能优化

通过启用LLM增强模式可显著提升表格提取准确性：

# 在配置中启用LLM增强
settings.USE_LLM_TABLE_EXTRACTION = True

持续优化建议

1. 构建自动化版本管理：实现基于Git标签的自动版本号生成，减少手动干预
2. 完善性能监控：添加实时性能监控系统，跟踪生产环境中的转换质量指标
3. 优化测试覆盖率：增加边界场景测试用例，特别是针对非标准PDF格式的处理测试

通过以上流程，可确保Marker工具的每次发布都具备高质量和可靠性，为用户提供高效准确的文档转换体验。