从代码到生产推理服务：DevPod 全流程部署 DeepSeek-OCR 模型实战指南

开发调试到生产上线，全流程仅需一个工作区——DevPod 重新定义 AI 工程化标准，当开发与部署不再割裂，模型价值才真正释放。

简介

告别碎片化开发体验，DevPod 打造从代码到服务的一站式闭环。本文手把手演示在函数计算 Funmodel 上完成 DeepSeek-OCR 模型从云端开发、本地调试到生产部署的完整工作流，让模型真正走出实验室，实现分钟级服务化，重塑 AI 模型从开发到落地的高效路径。

回顾：为何 DevPod 让 DeepSeek-OCR 启动如此简单？

在系列第一篇《为什么别人用 DevPod 秒启 DeepSeek-OCR，你还在装环境？》中，我们见证了 DevPod 如何将原本繁琐的环境配置、依赖安装、硬件适配等过程压缩至 60 秒内完成。无需再为 CUDA 版本冲突、Python 环境隔离、模型权重下载缓慢而烦恼，DevPod 通过云端预置环境，让开发者一进入工作区就能立即与 DeepSeek-OCR 大模型进行交互，真正实现了"开箱即用"的 AI 开发体验。

DevPod 是一款云原生 AI 开发工具，提供统一工作空间与预置环境，实现开发、测试、生产环境一致性，彻底消除“环境漂移”问题。

它能一键调用 GPU 资源，支持代码编写、调试、模型调优、镜像封装与生产部署全流程操作，无需切换多平台工具。

还可与 FunModel 深度集成，提供性能监控、日志分析、在线调试与快速迭代能力，让 AI 模型从实验室到服务化落地更高效。

从开发到生产：DevPod 全流程闭环工作流

然而，启动模型仅仅是开始。在实际业务场景中，我们还需要完成模型调优、代码调试、性能测试、服务封装、生产部署等一系列环节。传统方式下，这些步骤往往涉及多个平台和工具的切换，数据和代码在不同环境间流转，极易出现"在我机器上能运行"的尴尬局面。

DevPod 通过统一的工作空间和无缝衔接的部署能力，打通了从代码到服务的最后一公里。下面，我们将通过 DeepSeek-OCR 模型的实战案例，完整演示这一工作流。

1. 开发调试阶段：VSCode + GPU 加速的云端实验室

在 DevPod 中启动 DeepSeek-OCR 环境实例后，我们立即获得一个配备 GPU 的云端 VSCode 开发环境。这不仅是一个模型运行的容器，更是一个完整的端到端研究与开发平台。基于 DeepSeek-OCR-vLLM 提供的代码推理示例，我们构建了 server.py 作为推理服务的核心入口，实现了高效、可扩展的推理接口（完整代码详见附录）。

/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/server.py

import osimport ioimport torchimport uvicornimport requestsfrom PIL import Imagefrom fastapi import FastAPI, HTTPExceptionfrom pydantic import BaseModelfrom typing import Optional, Dict, Any, Listimport tempfileimport fitzfrom concurrent.futures import ThreadPoolExecutorimport asyncio# Set environment variablesif torch.version.cuda == '11.8':
    os.environ["TRITON_PTXAS_PATH"] = "/usr/local/cuda-11.8/bin/ptxas"os.environ['VLLM_USE_V1'] = '0'os.environ["CUDA_VISIBLE_DEVICES"] = '0'from config import MODEL_PATH, CROP_MODE, MAX_CONCURRENCY, NUM_WORKERSfrom vllm import LLM, SamplingParamsfrom vllm.model_executor.models.registry import ModelRegistryfrom deepseek_ocr import DeepseekOCRForCausalLMfrom process.ngram_norepeat import NoRepeatNGramLogitsProcessorfrom process.image_process import DeepseekOCRProcessor# Register modelModelRegistry.register_model("DeepseekOCRForCausalLM", DeepseekOCRForCausalLM)# Initialize modelprint("Loading model...")
...# Initialize FastAPI appapp = FastAPI(title="DeepSeek-OCR API", version="1.0.0")

...@app.post("/ocr_batch", response_model=ResponseData)async def ocr_batch_inference(request: RequestData):    """
    Main OCR batch processing endpoint
    Accepts a list of image URLs and/or PDF URLs for OCR processing
    Returns a list of OCR results corresponding to each input document
    Supports both individual image processing and PDF-to-image conversion
    """
    print(f"Received request data: {request}")    try:
        input_data = request.input
        prompt = request.prompt # Get the prompt from the request
        if not input_data.images and not input_data.pdfs:            raise HTTPException(status_code=400, detail="Either 'images' or 'pdfs' (or both) must be provided as lists.")

        all_batch_inputs = []
        final_output_parts = []        # Process images if provided
        if input_data.images:
            batch_inputs_images, counts_images = await process_items_async(input_data.images, is_pdf=False, prompt=prompt)
            all_batch_inputs.extend(batch_inputs_images)
            final_output_parts.append(counts_images)        # Process PDFs if provided
        if input_data.pdfs:
            batch_inputs_pdfs, counts_pdfs = await process_items_async(input_data.pdfs, is_pdf=True, prompt=prompt)
            all_batch_inputs.extend(batch_inputs_pdfs)
            final_output_parts.append(counts_pdfs)        if not all_batch_inputs:             raise HTTPException(status_code=400, detail="No valid images or PDF pages were processed from the input URLs.")        # Run inference on the combined batch
        outputs_list = await run_inference(all_batch_inputs)        # Reconstruct final output list based on counts
        final_outputs = []
        output_idx = 0
        # Flatten the counts list
        all_counts = [count for sublist in final_output_parts for count in sublist]        for count in all_counts:            # Get 'count' number of outputs for this input
            input_outputs = outputs_list[output_idx : output_idx + count]
            output_texts = []            for output in input_outputs:
                content = output.outputs[0].text                if '<｜end▁of▁sentence｜>' in content:
                    content = content.replace('<｜end▁of▁sentence｜>', '')
                output_texts.append(content)            # Combine pages if it was a multi-page PDF input (or image treated as PDF)
            if count > 1:
                combined_text = "\n<--- Page Split --->\n".join(output_texts)
                final_outputs.append(combined_text)            else:                # Single image or single-page PDF
                final_outputs.append(output_texts[0] if output_texts else "")

            output_idx += count # Move to the next set of outputs

        return ResponseData(output=final_outputs)    except HTTPException:        raise
    except Exception as e:        raise HTTPException(status_code=500, detail=f"Internal server error: {str(e)}")

...if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000, workers=1)

local 测试

# 终端启动推理服务$ python /workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/server.py# 开启另外一个终端$ curl -X POST \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "pdfs": [
        "https://images.devsapp.cn/test/ocr-test.pdf"
      ]
    },
    "prompt": "<image>\nFree OCR."
  }' \
  http://127.0.0.1:8000/ocr_batch

也可以通过快速访问 tab 获取代理路径，比如: https://devpod-dbbeddba-ngywxigepn.cn-hangzhou.ide.fc.aliyun.com/proxy/8000/, 并通过外部的 Postman 等客户端工具直接调用调试。

测试 image

$ curl -X POST \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "images": [
        "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png"
      ]
    },
    "prompt": "<image>\n<|grounding|>Convert the document to markdown."
  }' \  "https://devpod-dbbeddba-ngywxigepn.cn-hangzhou.ide.fc.aliyun.com/proxy/8000/ocr_batch"

测试 pdf

$ curl -X POST \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "pdfs": [
        "https://images.devsapp.cn/test/ocr-test.pdf"
      ]
    },
    "prompt": "<image>\nFree OCR."
  }' \  "https://devpod-dbbeddba-ngywxigepn.cn-hangzhou.ide.fc.aliyun.com/proxy/8000/ocr_batch"

示例:

混合

$ curl -X POST \
  -H "Content-Type: application/json" \
  -d '{
    "input": {
      "pdfs": [
        "https://images.devsapp.cn/test/ocr-test.pdf"
      ],
      "images": [
        "https://paddle-model-ecology.bj.bcebos.com/paddlex/imgs/demo_image/paddleocr_vl_demo.png"
      ]
    },
    "prompt": "<image>\nFree OCR."
  }' \  "https://devpod-dbbeddba-ngywxigepn.cn-hangzhou.ide.fc.aliyun.com/proxy/8000/ocr_batch"

DevPod 的优势在于：所有依赖已预装，GPU 资源即开即用，开发者可以专注于算法优化和业务逻辑，而非环境问题。

2. 服务封装阶段：一键转换为镜像交付物

当模型在开发环境中验证通过后，下一步是将其封装为镜像交付物。在 FunModel 的 DevPod 中，这仅需如下操作：

详情请参考 DevPod 镜像构建与 ACR 集成

3. 一键部署：从工作区到生产环境

镜像构建推送完毕后，镜像已经存储到 ACR，此时可以一键部署为 FunModel 模型服务。

4. 监控与迭代：闭环的开发运维体验

部署不是终点。DevPod 与 FunModel 深度集成，提供了完整的监控面板：

• 性能监控：实时查看 GPU 利用率、请求延迟、吞吐量

• 日志分析：集中收集所有实例日志，支持关键词检索

• 变更部署记录：每次变更配置（如卡型、扩缩容策略、 timeout 等）的部署都有记录追溯

• 在线快捷调试：快速测试部署后的模型服务

当需要优化模型或修复问题时，开发者可以：

1. 在监控中发现问题

2. 直接打开 DevPod 继续开发调试
   

3. 验证修复方案

4. 制作新的镜像， 一键部署

整个过程在统一环境中完成，避免了环境不一致导致的问题，真正实现了开发与运维的无缝协作。

总结

通过本文的实战演示，我们可以看到 DevPod 不仅解决了"启动难"的问题，更构建了从代码到服务的完整闭环：

• 环境一致性：开发、测试、生产环境完全一致，消除"环境漂移"

• 资源弹性：按需分配 GPU 资源，开发时低配，生产时高配

• 工作流集成：无需在多个平台间切换，所有操作在一个工作区完成

• 部署零学习曲线：无需掌握 K8s、Dockerfile 等复杂概念，专注业务价值

DevFlow1：云端开发与部署的无缝闭环

DevFlow1 描绘了开发者基于 DevPod 实现的高效工作流：

1. 开发者首先启动一个预配置的云端开发环境——已内置所需依赖与 GPU 资源，可即刻进行代码编写与调试。

2. 代码修改完成后，无需手动编写 Dockerfile 或管理构建流程，只需一键操作，系统即自动将当前开发环境与代码打包为标准化镜像。

3. 该镜像可直接部署为生产级服务，对外提供 API 接口。

4. 当需要迭代优化时，开发者可无缝返回开发环境继续修改，再次一键构建并更新线上服务。
   整个流程实现了从开发、调试到部署、迭代的全链路自动化，彻底屏蔽了基础设施的复杂性，让开发者真正聚焦于业务逻辑与模型优化本身。

DevFlow2：面向工程化的开发者工作流

DevFlow2 适用于熟悉容器化与工程化实践的开发者：

1. 开发者从代码仓库的指定稳定版本（Commit）切入，启动专属开发环境，进行代码迭代、依赖安装及集成测试。

2. 一旦测试验证通过且结果符合预期，开发者即可着手准备部署：手动编写或调整 Dockerfile，精确配置镜像构建逻辑，并按需设定函数入口或服务参数。

3. 随后，系统依据该 Dockerfile 重建镜像，并执行端到端测试，以确保生产环境中的行为一致性。

4. 最终，代码与 Dockerfile 变更一同提交至 Git，完成一次标准、可追溯且可复现的发布流程。

此流程赋予开发者对部署细节的精细控制，契合追求工程规范与长期可维护性的团队需求。

在阿里云 FunModel 平台，我们正在见证 AI 开发范式的转变：从"先建基础设施，再开发模型"到"先验证想法，再扩展规模"。DevPod 作为这一变革的核心载体，让 AI 开发者真正回归创造本身，而非被工具和环境所束缚。

了解函数计算模型服务 FunModel

FunModel 是一个面向 AI 模型开发、部署与运维的全生命周期管理平台。您只需提供模型文件（例如来自 ModelScope、Hugging Face 等社区的模型仓库），即可利用 FunModel 的自动化工具快速完成模型服务的封装与部署，并获得可直接调用的推理 API。平台在设计上旨在提升资源使用效率并简化开发部署流程。

FunModel 依托 Serverless + GPU，天然提供了简单，轻量，0 门槛的模型集成方案，给个人开发者良好的玩转模型的体验，也让企业级开发者快速高效的部署、运维和迭代模型。

在阿里云 FunModel 平台，开发者可以做到：

• 模型的快速部署上线：从原来的以周为单位的模型接入周期降低到 5 分钟，0 开发，无排期

• 一键扩缩容，让运维不再是负担：多种扩缩容策略高度适配业务流量，实现“无痛运维”

技术优势

访问模型广场（https://fcnext.console.aliyun.com/fun-model/cn-hangzhou/fun-model/model-market）快速部署 DeepSeek-OCR。

更多内容请参考

1. 模型服务 FunModel 产品文档

2. FunModel 快速入门

3. FunModel 自定义部署

4. FunModel 模型广场

附录

完整代码：

/workspace/DeepSeek-OCR/DeepSeek-OCR-master/DeepSeek-OCR-vllm/server.py

import osimport ioimport torchimport uvicornimport requestsfrom PIL import Imagefrom fastapi import FastAPI, HTTPExceptionfrom pydantic import BaseModelfrom typing import Optional, Dict, Any, Listimport tempfileimport fitzfrom concurrent.futures import ThreadPoolExecutorimport asyncio# Set environment variablesif torch.version.cuda == '11.8':
    os.environ["TRITON_PTXAS_PATH"] = "/usr/local/cuda-11.8/bin/ptxas"os.environ['VLLM_USE_V1'] = '0'os.environ["CUDA_VISIBLE_DEVICES"] = '0'from config import MODEL_PATH, CROP_MODE, MAX_CONCURRENCY, NUM_WORKERSfrom vllm import LLM, SamplingParamsfrom vllm.model_executor.models.registry import ModelRegistryfrom deepseek_ocr import DeepseekOCRForCausalLMfrom process.ngram_norepeat import NoRepeatNGramLogitsProcessorfrom process.image_process import DeepseekOCRProcessor# Register modelModelRegistry.register_model("DeepseekOCRForCausalLM", DeepseekOCRForCausalLM)# Initialize modelprint("Loading model...")
llm = LLM(
    model=MODEL_PATH,
    hf_overrides={"architectures": ["DeepseekOCRForCausalLM"]},
    block_size=256,           # Memory block size for KV cache
    enforce_eager=False,      # Use eager mode for better performance with multimodal models
    trust_remote_code=True,   # Allow execution of code from remote repositories
    max_model_len=8192,       # Maximum sequence length the model can handle
    swap_space=0,             # No swapping to CPU, keeping everything on GPU
    max_num_seqs=max(MAX_CONCURRENCY, 100),  # Maximum number of sequences to process concurrently
    tensor_parallel_size=1,   # Number of GPUs for tensor parallelism (1 = single GPU)
    gpu_memory_utilization=0.9,  # Use 90% of GPU memory for model execution
    disable_mm_preprocessor_cache=True  # Disable cache for multimodal preprocessor to avoid issues)# Configure sampling parameters# NoRepeatNGramLogitsProcessor prevents repetition in generated text by tracking n-gram patternslogits_processors = [NoRepeatNGramLogitsProcessor(ngram_size=20, window_size=50, whitelist_token_ids={128821, 128822})]
sampling_params = SamplingParams(
    temperature=0.0,                    # Deterministic output (greedy decoding)
    max_tokens=8192,                    # Maximum number of tokens to generate
    logits_processors=logits_processors, # Apply the processor to avoid repetitive text
    skip_special_tokens=False,          # Include special tokens in the output
    include_stop_str_in_output=True,    # Include stop strings in the output)# Initialize FastAPI appapp = FastAPI(title="DeepSeek-OCR API", version="1.0.0")class InputData(BaseModel):    """
    Input data model to define what types of documents to process
    images: Optional list of image URLs to process
    pdfs: Optional list of PDF URLs to process
    Note: At least one of these fields must be provided in a request
    """
    images: Optional[List[str]] = None
    pdfs: Optional[List[str]] = Noneclass RequestData(BaseModel):    """
    Main request model that defines the input data and optional prompt
    """
    input: InputData    # Add prompt as an optional field with a default value
    prompt: str = '<image>\nFree OCR.' # Default promptclass ResponseData(BaseModel):    """
    Response model that returns OCR results for each input document
    """
    output: List[str]def download_file(url: str) -> bytes:    """Download file from URL"""
    try:
        response = requests.get(url, timeout=30)
        response.raise_for_status()        return response.content    except Exception as e:        raise HTTPException(status_code=400, detail=f"Failed to download file from URL: {str(e)}")def is_pdf_file(content: bytes) -> bool:    """Check if the content is a PDF file"""
    return content.startswith(b'%PDF')def load_image_from_bytes(image_bytes: bytes) -> Image.Image:    """Load image from bytes"""
    try:
        image = Image.open(io.BytesIO(image_bytes))        return image.convert('RGB')    except Exception as e:        raise HTTPException(status_code=400, detail=f"Failed to load image: {str(e)}")def pdf_to_images(pdf_bytes: bytes, dpi: int = 144) -> list:    """Convert PDF to images"""
    try:
        images = []
        pdf_document = fitz.open(stream=pdf_bytes, filetype="pdf")
        zoom = dpi / 72.0
        matrix = fitz.Matrix(zoom, zoom)        for page_num in range(pdf_document.page_count):
            page = pdf_document[page_num]
            pixmap = page.get_pixmap(matrix=matrix, alpha=False)
            img_data = pixmap.tobytes("png")
            img = Image.open(io.BytesIO(img_data))
            images.append(img.convert('RGB'))

        pdf_document.close()        return images    except Exception as e:        raise HTTPException(status_code=400, detail=f"Failed to convert PDF to images: {str(e)}")def process_single_image_sync(image: Image.Image, prompt: str) -> Dict: # Renamed and made sync
    """Process a single image (synchronous function for CPU-bound work)"""
    try:
        cache_item = {            "prompt": prompt,            "multi_modal_data": {                "image": DeepseekOCRProcessor().tokenize_with_images(
                    images=[image],
                    bos=True,
                    eos=True,
                    cropping=CROP_MODE
                )
            },
        }        return cache_item    except Exception as e:        raise HTTPException(status_code=500, detail=f"Failed to process image: {str(e)}")async def process_items_async(items_urls: List[str], is_pdf: bool, prompt: str) -> tuple[List[Dict], List[int]]:    """
    Process a list of image or PDF URLs asynchronously.
    Downloads files concurrently, then processes images/PDF pages in a thread pool.
    Returns a tuple: (batch_inputs, num_results_per_input)
    """
    loop = asyncio.get_event_loop()    # 1. Download all files concurrently
    download_tasks = [loop.run_in_executor(None, download_file, url) for url in items_urls]
    contents = await asyncio.gather(*download_tasks)    # 2. Prepare arguments for processing (determine if PDF/image, count pages)
    processing_args = []
    num_results_per_input = []    for idx, (url, content) in enumerate(zip(items_urls, contents)):        if is_pdf:            if not is_pdf_file(content):                 raise HTTPException(status_code=400, detail=f"Provided file is not a PDF: {url}")
            images = pdf_to_images(content)
            num_pages = len(images)
            num_results_per_input.append(num_pages)            # Each page will be processed separately
            processing_args.extend([(img, prompt) for img in images])        else: # is image
            if is_pdf_file(content):                # Handle case where an image URL accidentally points to a PDF
                images = pdf_to_images(content)
                num_pages = len(images)
                num_results_per_input.append(num_pages)
                processing_args.extend([(img, prompt) for img in images])            else:
                image = load_image_from_bytes(content)
                num_results_per_input.append(1)
                processing_args.append((image, prompt))    # 3. Process images/PDF pages in parallel using ThreadPoolExecutor
    with ThreadPoolExecutor(max_workers=NUM_WORKERS) as executor:        # Submit all processing tasks
        process_tasks = [
            loop.run_in_executor(executor, process_single_image_sync, img, prompt)            for img, prompt in processing_args
        ]        # Wait for all to complete
        processed_results = await asyncio.gather(*process_tasks)    return processed_results, num_results_per_inputasync def run_inference(batch_inputs: List[Dict]) -> List:    """Run inference on batch inputs"""
    if not batch_inputs:        return []    try:        # Run inference on the entire batch
        outputs_list = llm.generate(
            batch_inputs,
            sampling_params=sampling_params
        )        return outputs_list    except Exception as e:        raise HTTPException(status_code=500, detail=f"Failed to run inference: {str(e)}")@app.post("/ocr_batch", response_model=ResponseData)async def ocr_batch_inference(request: RequestData):    """
    Main OCR batch processing endpoint
    Accepts a list of image URLs and/or PDF URLs for OCR processing
    Returns a list of OCR results corresponding to each input document
    Supports both individual image processing and PDF-to-image conversion
    """
    print(f"Received request data: {request}")    try:
        input_data = request.input
        prompt = request.prompt # Get the prompt from the request
        if not input_data.images and not input_data.pdfs:            raise HTTPException(status_code=400, detail="Either 'images' or 'pdfs' (or both) must be provided as lists.")

        all_batch_inputs = []
        final_output_parts = []        # Process images if provided
        if input_data.images:
            batch_inputs_images, counts_images = await process_items_async(input_data.images, is_pdf=False, prompt=prompt)
            all_batch_inputs.extend(batch_inputs_images)
            final_output_parts.append(counts_images)        # Process PDFs if provided
        if input_data.pdfs:
            batch_inputs_pdfs, counts_pdfs = await process_items_async(input_data.pdfs, is_pdf=True, prompt=prompt)
            all_batch_inputs.extend(batch_inputs_pdfs)
            final_output_parts.append(counts_pdfs)        if not all_batch_inputs:             raise HTTPException(status_code=400, detail="No valid images or PDF pages were processed from the input URLs.")        # Run inference on the combined batch
        outputs_list = await run_inference(all_batch_inputs)        # Reconstruct final output list based on counts
        final_outputs = []
        output_idx = 0
        # Flatten the counts list
        all_counts = [count for sublist in final_output_parts for count in sublist]        for count in all_counts:            # Get 'count' number of outputs for this input
            input_outputs = outputs_list[output_idx : output_idx + count]
            output_texts = []            for output in input_outputs:
                content = output.outputs[0].text                if '<｜end▁of▁sentence｜>' in content:
                    content = content.replace('<｜end▁of▁sentence｜>', '')
                output_texts.append(content)            # Combine pages if it was a multi-page PDF input (or image treated as PDF)
            if count > 1:
                combined_text = "\n<--- Page Split --->\n".join(output_texts)
                final_outputs.append(combined_text)            else:                # Single image or single-page PDF
                final_outputs.append(output_texts[0] if output_texts else "")

            output_idx += count # Move to the next set of outputs

        return ResponseData(output=final_outputs)    except HTTPException:        raise
    except Exception as e:        raise HTTPException(status_code=500, detail=f"Internal server error: {str(e)}")@app.get("/health")async def health_check():    """Health check endpoint"""
    return {"status": "healthy"}@app.get("/")async def root():    """Root endpoint"""
    return {"message": "DeepSeek-OCR API is running (Batch endpoint available at /ocr_batch)"}if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000, workers=1)