拓冰网站定制 
RAG数据工程后端【免费下载链接】omniparseIngest, parse, and optimize any data format ➡️ from documents to multimedia ➡️ for enhanced compatibility with GenAI frameworks项目地址https://gitcode.com/gh_mirrors/om/omniparse点击查看免费下载导读本文是 OmniParse 的官方安装与启动指南。OmniParse 是一个完全本地化运行的开源多模态数据解析平台能够将文档、图片、音视频和动态网页等非结构化数据统一转化为适合 GenAILLM应用消费的高质量结构化 Markdown。读完本文你将掌握三种主流部署路径——源码安装Poetry / pip、Docker 容器化部署、以及带--documents / --media / --web参数的多模型服务器启动方式并能根据实际硬件GPU 与否正确选择运行参数为后续 RAG、微调等 LLM 场景搭建起可用的解析 API 服务。1. 安装前置条件与平台限制在开始之前需要明确 OmniParse 的运行前提平台要求官方文档明确指出OmniParse 服务器仅支持 Linux 系系统。这是因为项目的某些依赖与系统级配置如 Selenium 驱动的 Chrome 无头浏览器、ffmpeg、LibreOffice 等系统组件与 Windows 或 macOS 不兼容。Python 版本项目的 pyproject.toml 声明python ^3.10官方安装文档也以python3.10作为虚拟环境的创建版本建议严格使用 Python 3.10 以避免依赖冲突。GPU 是可选项而非必需品OmniParse 的所有推理都在本地完成不依赖任何外部 API。从 omniparse/init.py 的源码可以看到设备选择逻辑为device torch.device(cuda if torch.cuda.is_available() else cpu)即检测到 CUDA 就使用 GPU否则回退到 CPU。项目特性中说明其模型体积可放入一块 T4 GPU 中运行但 CPU 环境同样可以启动服务只是推理速度会更慢。提示整个平台完全本地化、无需外部 API这一特性在 README.md 中被列为第一项核心特性也是它适合离线环境和数据敏感场景的主要原因。2. 源码安装克隆仓库并创建虚拟环境2.1 克隆仓库git clone https://github.com/adithya-s-k/omniparse cd omniparse若需使用本仓库镜像可直接克隆当前 GitCode 仓库git clone https://gitcode.com/gh_mirrors/om/omniparse。2.2 创建 Conda 虚拟环境官方推荐使用 Conda 创建独立环境避免与系统 Python 环境相互污染conda create --name omniparse-venv python3.10 conda activate omniparse-venv创建后请确认当前 shell 已进入omniparse-venv环境后续所有poetry/pip命令都应在此环境中执行。3. 安装依赖Poetry 与 pip 双路径仓库提供了两种依赖安装方式任选其一即可poetry install # or pip install -e .3.1 Poetry 路径项目根目录的 pyproject.toml 完整声明了依赖元数据与全部依赖项安装时会自动解析版本约束。值得注意的依赖细节PyTorch 版本被刻意锁定在^2.2.2pyproject.toml 中附有注释# Issue with torch 2.3.0 and vision models即 2.3.0 与视觉模型存在已知兼容性问题安装时请勿擅自升级 torch 主版本。核心解析栈包括marker-pdfPDF 转 Markdown、surya-ocrOCR 系列模型、texify公式识别、openai-whisper音频转写、seleniumwebdriver-manager网页抓取、gradio交互式 UI等。仓库还声明了 CLI 入口omniparse server:mainpyproject.toml安装完成后可直接通过omniparse命令启动服务器。3.2 pip 可编辑安装路径pip install -e .-eeditable模式会将当前目录以可编辑方式安装到环境中便于后续直接同步仓库源码的改动适合开发与调试场景。4. 启动服务器命令行参数详解依赖安装完成后即可启动 OmniParse API 服务器python server.py --host 0.0.0.0 --port 8000 --documents --media --web4.1 三个核心功能开关参数作用背后加载的模型/组件--documents加载解析与摄取文档所需的全部模型Surya OCR 系列模型 Florence-2 视觉模型--media加载音视频转写模型OpenAI Whispersmall 尺寸--web初始化网页抓取器Selenium 驱动的 WebCrawler这三个开关直接决定了服务器挂载哪些路由、加载哪些模型。从 server.py 的源码可以看到load_omnimodel(args.documents, args.media, args.web)会根据开关位决定模型加载同时路由是否注册也由开关决定include_in_schemaargs.documents等。因此只开启--documents时/parse_media、/parse_website接口将不会注册这是排查 404 错误的关键知识点。4.2 开关背后的模型加载逻辑对应 omniparse/init.py 中的load_omnimodel函数--documents先通过load_all_models()来自 marker 库加载 Surya OCR、检测、版面分析、阅读顺序识别等模型再加载microsoft/Florence-2-base作为视觉模型AutoModelForCausalLM.from_pretrained(...)用于图像描述、OCR 等视觉任务。--media加载whisper.load_model(small)即 OpenAI Whisper 的 small 版本用于音视频转写。--web实例化WebCrawler(verboseTrue)底层是 LocalSeleniumCrawlerStrategy它会通过webdriver-manager自动下载匹配的 ChromeDriver并以无头headless模式启动 Chrome 浏览器相关参数见 crawler_strategy.py。启动过程中控制台会打印 ASCII 艺术字 LOGO见 omniparse/utils.py 的print_omniparse_text_art以及各模型的加载日志可作为启动是否顺利的直观判断依据。4.3 其他可用参数server.py 中的 argparse 定义还包含以下参数--host绑定地址默认0.0.0.0对外可访问。--port监听端口默认8000。--reload开启热重载模式对应 uvicorn 的reload适合开发调试。4.4 启动后的验证方式服务启动后FastAPI 会自动生成交互式 API 文档可访问http://localhost:8000/docs查看所有已注册的接口。同时项目还通过gr.mount_gradio_appserver.py挂载了 Gradio 交互式 UI可直接在浏览器中上传文件体验解析能力。服务器默认暴露的四大路由前缀见 server.py/parse_document文档解析PDF / PPT / Word/parse_image图片解析与处理/parse_media音视频解析/parse_website网页解析5. Docker 部署一条命令拉起全栈服务对于不想手动搭建 Python 环境、或需要快速在服务器上部署的用户Docker 是最快捷的路径。5.1 拉取官方镜像运行docker pull savatar101/omniparse:0.1 # 如果你的机器配置了 GPUNVIDIA docker run --gpus all -p 8000:8000 savatar101/omniparse:0.1 # 否则纯 CPU 环境 docker run -p 8000:8000 savatar101/omniparse:0.15.2 本地构建镜像运行若希望基于当前仓库源码构建镜像执行docker build -t omniparse . # 如果你的机器配置了 GPUNVIDIA docker run --gpus all -p 8000:8000 omniparse # 否则纯 CPU 环境 docker run -p 8000:8000 omniparse5.3 Dockerfile 内部细节镜像里藏了什么仓库根目录的 Dockerfile 揭示了官方镜像的构建逻辑理解它有助于预判运行时的资源需求基础镜像基于nvidia/cuda:11.8.0-cudnn8-devel-ubuntu22.04Dockerfile即镜像默认已具备 CUDA 11.8 运行环境。系统依赖安装了libreoffice用于转换 Office 文档、ffmpeg音视频处理、xvfb虚拟显示、git-lfs以及Google Chrome配合 Selenium 抓取网页见 Dockerfile。PyTorch 安装通过--index-url https://download.pytorch.org/whl/cu118安装 CUDA 11.8 版本的 torchDockerfile。启动命令镜像默认执行CMD [python, server.py, --host, 0.0.0.0, --port, 8000, --documents, --media, --web]Dockerfile即默认同时开启文档、媒体、网页三大功能无需额外传参。注意官方镜像默认启用全部功能模型与 Chrome 驱动都会在容器内加载首次启动需要下载模型权重耗时与网络带宽相关属正常现象。6. 安装后快速上手验证各模块是否就绪服务启动后可以通过以下接口快速验证三大模块是否工作正常以下命令来自 README.md 的 API 文档6.1 文档解析验证curl -X POST -F file/path/to/document.pdf http://localhost:8000/parse_document/pdf该接口依赖 Surya OCR 系列模型与 Florence-2只有以--documents启动时才可用。6.2 媒体解析验证# 图片解析 curl -X POST -F file/path/to/image.jpg http://localhost:8000/parse_media/image # 音频转写 curl -X POST -F file/path/to/audio.mp3 http://localhost:8000/parse_media/audio # 视频转写 curl -X POST -F file/path/to/video.mp4 http://localhost:8000/parse_media/video媒体转写由 Whisper small 模型驱动底层转写参数可参考 omniparse/media/utils.py 中的WHISPER_DEFAULT_SETTINGS如温度 0.0、task: transcribe等。需要以--media启动。6.3 网页解析验证curl -X POST -H Content-Type: application/json \ -d {url: https://example.com} http://localhost:8000/parse_website网页抓取依赖 Selenium Chrome抓取逻辑由 WebCrawler 实现需要以--web启动。6.4 官方支持的输入格式一览类型支持扩展名文档.doc, .docx, .pdf, .ppt, .pptx图片.png, .jpg, .jpeg, .tiff, .bmp, .heic视频.mp4, .mkv, .avi, .mov音频.mp3, .wav, .aac网页动态网页http://anything.com7. 常见问题排查7.1 接口返回 404 / 无法访问最常见的原因是启动参数未包含对应功能开关。路由注册与开关绑定server.py例如只用了python server.py --documents启动则/parse_media/*与/parse_website全部 404。解决方法是按需补上--media或--web参数后重启。7.2 首次启动模型下载缓慢--documents、--media开关会在启动时从 Hugging Face 等源下载模型权重Florence-2-base、Whisper small、Surya 系列。首次启动耗时较长属正常现象后续启动会命中本地模型缓存。7.3--web模式下 Chrome/ChromeDriver 报错--web依赖本机存在 Chrome 浏览器与匹配的 ChromeDriver。源码通过webdriver-managerChromeDriverManager().install()见 crawler_strategy.py自动下载驱动但仍需系统预装 Chrome。若在纯净服务器上部署建议优先使用 Docker 镜像镜像内已内置 Chrome 与 ChromeDriver见 Dockerfile。7.4 依赖安装阶段 torch 版本报错安装时请保持 torch^2.2.2版本约束切勿直接安装 2.3.0否则视觉模型可能因兼容性问题见 pyproject.toml 注释无法正常工作。8. 延伸阅读如需进一步深入可继续阅读仓库内以下文档与源码docs/deployment.md涵盖 Docker 与 SkyPilot 的更多部署方案说明。docs/api.md各解析接口的详细参数说明。docs/integration.md与 LangChain、LlamaIndex 等框架的集成方式。examples/OmniParse_GoogleColab.ipynbColab 在线体验笔记本适合快速试跑。server.py服务器入口与全部启动参数定义。omniparse/init.py模型按开关加载的核心实现。总结OmniParse 的部署路径清晰且灵活开发调试可用 Poetry/pip 源码安装生产部署可直接使用 Docker 镜像一条命令拉起全栈服务。理解--documents / --media / --web三个开关与路由注册、模型加载之间的对应关系是成功部署并正确调用各解析接口的关键。按本文步骤操作即可在本地或服务器上获得一个完全本地化、面向 GenAI 场景的多模态数据解析 API 服务。赞分享RAG数据工程后端【免费下载链接】omniparseIngest, parse, and optimize any data format ➡️ from documents to multimedia ➡️ for enhanced compatibility with GenAI frameworks项目地址https://gitcode.com/gh_mirrors/om/omniparse点击查看免费下载相关推荐Seafile容器化部署指南从源码构建到私有服务器搭建Seafile容器化部署指南从源码构建到私有服务器搭建 为什么选择Seafile容器化部署 你是否遇到过团队文件同步混乱、重要资料版本丢失的问题作为一款高存储数据同步Flexile Docker部署容器化微服务架构完整指南Flexile Docker部署容器化微服务架构完整指南 概述 Flexile是一个现代化的企业级金融管理平台采用Ruby on Rails 8.0.2后端Docker容器化部署AzerothCore-WoTLK服务器从零到一的完整指南Docker容器化部署AzerothCore WoTLK服务器从零到一的完整指南 还在为复杂的魔兽世界私服搭建过程而苦恼吗想要快速拥有属于自己的MMO服务器游戏开发后端上一篇5分钟跑通Keep开源AIOps告警平台:新手完整指南下一篇CANN PTO-ISA GlobalTensor编程模型创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 OmniParse 完整安装部署指南：从源码构建、Docker 容器化到多模态解析服务启动
RAG数据工程后端【免费下载链接】omniparseIngest, parse, and optimize any data format ➡️ from documents to multimedia ➡️ for enhanced compatibility with GenAI frameworks项目地址https://gitcode.com/gh_mirrors/om/omniparse点击查看免费下载导读本文是 OmniParse 的官方安装与启动指南。OmniParse 是一个完全本地化运行的开源多模态数据解析平台能够将文档、图片、音视频和动态网页等非结构化数据统一转化为适合 GenAILLM应用消费的高质量结构化 Markdown。读完本文你将掌握三种主流部署路径——源码安装Poetry / pip、Docker 容器化部署、以及带--documents / --media / --web参数的多模型服务器启动方式并能根据实际硬件GPU 与否正确选择运行参数为后续 RAG、微调等 LLM 场景搭建起可用的解析 API 服务。1. 安装前置条件与平台限制在开始之前需要明确 OmniParse 的运行前提平台要求官方文档明确指出OmniParse 服务器仅支持 Linux 系系统。这是因为项目的某些依赖与系统级配置如 Selenium 驱动的 Chrome 无头浏览器、ffmpeg、LibreOffice 等系统组件与 Windows 或 macOS 不兼容。Python 版本项目的 pyproject.toml 声明python ^3.10官方安装文档也以python3.10作为虚拟环境的创建版本建议严格使用 Python 3.10 以避免依赖冲突。GPU 是可选项而非必需品OmniParse 的所有推理都在本地完成不依赖任何外部 API。从 omniparse/init.py 的源码可以看到设备选择逻辑为device torch.device(cuda if torch.cuda.is_available() else cpu)即检测到 CUDA 就使用 GPU否则回退到 CPU。项目特性中说明其模型体积可放入一块 T4 GPU 中运行但 CPU 环境同样可以启动服务只是推理速度会更慢。提示整个平台完全本地化、无需外部 API这一特性在 README.md 中被列为第一项核心特性也是它适合离线环境和数据敏感场景的主要原因。2. 源码安装克隆仓库并创建虚拟环境2.1 克隆仓库git clone https://github.com/adithya-s-k/omniparse cd omniparse若需使用本仓库镜像可直接克隆当前 GitCode 仓库git clone https://gitcode.com/gh_mirrors/om/omniparse。2.2 创建 Conda 虚拟环境官方推荐使用 Conda 创建独立环境避免与系统 Python 环境相互污染conda create --name omniparse-venv python3.10 conda activate omniparse-venv创建后请确认当前 shell 已进入omniparse-venv环境后续所有poetry/pip命令都应在此环境中执行。3. 安装依赖Poetry 与 pip 双路径仓库提供了两种依赖安装方式任选其一即可poetry install # or pip install -e .3.1 Poetry 路径项目根目录的 pyproject.toml 完整声明了依赖元数据与全部依赖项安装时会自动解析版本约束。值得注意的依赖细节PyTorch 版本被刻意锁定在^2.2.2pyproject.toml 中附有注释# Issue with torch 2.3.0 and vision models即 2.3.0 与视觉模型存在已知兼容性问题安装时请勿擅自升级 torch 主版本。核心解析栈包括marker-pdfPDF 转 Markdown、surya-ocrOCR 系列模型、texify公式识别、openai-whisper音频转写、seleniumwebdriver-manager网页抓取、gradio交互式 UI等。仓库还声明了 CLI 入口omniparse server:mainpyproject.toml安装完成后可直接通过omniparse命令启动服务器。3.2 pip 可编辑安装路径pip install -e .-eeditable模式会将当前目录以可编辑方式安装到环境中便于后续直接同步仓库源码的改动适合开发与调试场景。4. 启动服务器命令行参数详解依赖安装完成后即可启动 OmniParse API 服务器python server.py --host 0.0.0.0 --port 8000 --documents --media --web4.1 三个核心功能开关参数作用背后加载的模型/组件--documents加载解析与摄取文档所需的全部模型Surya OCR 系列模型 Florence-2 视觉模型--media加载音视频转写模型OpenAI Whispersmall 尺寸--web初始化网页抓取器Selenium 驱动的 WebCrawler这三个开关直接决定了服务器挂载哪些路由、加载哪些模型。从 server.py 的源码可以看到load_omnimodel(args.documents, args.media, args.web)会根据开关位决定模型加载同时路由是否注册也由开关决定include_in_schemaargs.documents等。因此只开启--documents时/parse_media、/parse_website接口将不会注册这是排查 404 错误的关键知识点。4.2 开关背后的模型加载逻辑对应 omniparse/init.py 中的load_omnimodel函数--documents先通过load_all_models()来自 marker 库加载 Surya OCR、检测、版面分析、阅读顺序识别等模型再加载microsoft/Florence-2-base作为视觉模型AutoModelForCausalLM.from_pretrained(...)用于图像描述、OCR 等视觉任务。--media加载whisper.load_model(small)即 OpenAI Whisper 的 small 版本用于音视频转写。--web实例化WebCrawler(verboseTrue)底层是 LocalSeleniumCrawlerStrategy它会通过webdriver-manager自动下载匹配的 ChromeDriver并以无头headless模式启动 Chrome 浏览器相关参数见 crawler_strategy.py。启动过程中控制台会打印 ASCII 艺术字 LOGO见 omniparse/utils.py 的print_omniparse_text_art以及各模型的加载日志可作为启动是否顺利的直观判断依据。4.3 其他可用参数server.py 中的 argparse 定义还包含以下参数--host绑定地址默认0.0.0.0对外可访问。--port监听端口默认8000。--reload开启热重载模式对应 uvicorn 的reload适合开发调试。4.4 启动后的验证方式服务启动后FastAPI 会自动生成交互式 API 文档可访问http://localhost:8000/docs查看所有已注册的接口。同时项目还通过gr.mount_gradio_appserver.py挂载了 Gradio 交互式 UI可直接在浏览器中上传文件体验解析能力。服务器默认暴露的四大路由前缀见 server.py/parse_document文档解析PDF / PPT / Word/parse_image图片解析与处理/parse_media音视频解析/parse_website网页解析5. Docker 部署一条命令拉起全栈服务对于不想手动搭建 Python 环境、或需要快速在服务器上部署的用户Docker 是最快捷的路径。5.1 拉取官方镜像运行docker pull savatar101/omniparse:0.1 # 如果你的机器配置了 GPUNVIDIA docker run --gpus all -p 8000:8000 savatar101/omniparse:0.1 # 否则纯 CPU 环境 docker run -p 8000:8000 savatar101/omniparse:0.15.2 本地构建镜像运行若希望基于当前仓库源码构建镜像执行docker build -t omniparse . # 如果你的机器配置了 GPUNVIDIA docker run --gpus all -p 8000:8000 omniparse # 否则纯 CPU 环境 docker run -p 8000:8000 omniparse5.3 Dockerfile 内部细节镜像里藏了什么仓库根目录的 Dockerfile 揭示了官方镜像的构建逻辑理解它有助于预判运行时的资源需求基础镜像基于nvidia/cuda:11.8.0-cudnn8-devel-ubuntu22.04Dockerfile即镜像默认已具备 CUDA 11.8 运行环境。系统依赖安装了libreoffice用于转换 Office 文档、ffmpeg音视频处理、xvfb虚拟显示、git-lfs以及Google Chrome配合 Selenium 抓取网页见 Dockerfile。PyTorch 安装通过--index-url https://download.pytorch.org/whl/cu118安装 CUDA 11.8 版本的 torchDockerfile。启动命令镜像默认执行CMD [python, server.py, --host, 0.0.0.0, --port, 8000, --documents, --media, --web]Dockerfile即默认同时开启文档、媒体、网页三大功能无需额外传参。注意官方镜像默认启用全部功能模型与 Chrome 驱动都会在容器内加载首次启动需要下载模型权重耗时与网络带宽相关属正常现象。6. 安装后快速上手验证各模块是否就绪服务启动后可以通过以下接口快速验证三大模块是否工作正常以下命令来自 README.md 的 API 文档6.1 文档解析验证curl -X POST -F file/path/to/document.pdf http://localhost:8000/parse_document/pdf该接口依赖 Surya OCR 系列模型与 Florence-2只有以--documents启动时才可用。6.2 媒体解析验证# 图片解析 curl -X POST -F file/path/to/image.jpg http://localhost:8000/parse_media/image # 音频转写 curl -X POST -F file/path/to/audio.mp3 http://localhost:8000/parse_media/audio # 视频转写 curl -X POST -F file/path/to/video.mp4 http://localhost:8000/parse_media/video媒体转写由 Whisper small 模型驱动底层转写参数可参考 omniparse/media/utils.py 中的WHISPER_DEFAULT_SETTINGS如温度 0.0、task: transcribe等。需要以--media启动。6.3 网页解析验证curl -X POST -H Content-Type: application/json \ -d {url: https://example.com} http://localhost:8000/parse_website网页抓取依赖 Selenium Chrome抓取逻辑由 WebCrawler 实现需要以--web启动。6.4 官方支持的输入格式一览类型支持扩展名文档.doc, .docx, .pdf, .ppt, .pptx图片.png, .jpg, .jpeg, .tiff, .bmp, .heic视频.mp4, .mkv, .avi, .mov音频.mp3, .wav, .aac网页动态网页http://anything.com7. 常见问题排查7.1 接口返回 404 / 无法访问最常见的原因是启动参数未包含对应功能开关。路由注册与开关绑定server.py例如只用了python server.py --documents启动则/parse_media/*与/parse_website全部 404。解决方法是按需补上--media或--web参数后重启。7.2 首次启动模型下载缓慢--documents、--media开关会在启动时从 Hugging Face 等源下载模型权重Florence-2-base、Whisper small、Surya 系列。首次启动耗时较长属正常现象后续启动会命中本地模型缓存。7.3--web模式下 Chrome/ChromeDriver 报错--web依赖本机存在 Chrome 浏览器与匹配的 ChromeDriver。源码通过webdriver-managerChromeDriverManager().install()见 crawler_strategy.py自动下载驱动但仍需系统预装 Chrome。若在纯净服务器上部署建议优先使用 Docker 镜像镜像内已内置 Chrome 与 ChromeDriver见 Dockerfile。7.4 依赖安装阶段 torch 版本报错安装时请保持 torch^2.2.2版本约束切勿直接安装 2.3.0否则视觉模型可能因兼容性问题见 pyproject.toml 注释无法正常工作。8. 延伸阅读如需进一步深入可继续阅读仓库内以下文档与源码docs/deployment.md涵盖 Docker 与 SkyPilot 的更多部署方案说明。docs/api.md各解析接口的详细参数说明。docs/integration.md与 LangChain、LlamaIndex 等框架的集成方式。examples/OmniParse_GoogleColab.ipynbColab 在线体验笔记本适合快速试跑。server.py服务器入口与全部启动参数定义。omniparse/init.py模型按开关加载的核心实现。总结OmniParse 的部署路径清晰且灵活开发调试可用 Poetry/pip 源码安装生产部署可直接使用 Docker 镜像一条命令拉起全栈服务。理解--documents / --media / --web三个开关与路由注册、模型加载之间的对应关系是成功部署并正确调用各解析接口的关键。按本文步骤操作即可在本地或服务器上获得一个完全本地化、面向 GenAI 场景的多模态数据解析 API 服务。赞分享RAG数据工程后端【免费下载链接】omniparseIngest, parse, and optimize any data format ➡️ from documents to multimedia ➡️ for enhanced compatibility with GenAI frameworks项目地址https://gitcode.com/gh_mirrors/om/omniparse点击查看免费下载相关推荐Seafile容器化部署指南从源码构建到私有服务器搭建Seafile容器化部署指南从源码构建到私有服务器搭建 为什么选择Seafile容器化部署 你是否遇到过团队文件同步混乱、重要资料版本丢失的问题作为一款高存储数据同步Flexile Docker部署容器化微服务架构完整指南Flexile Docker部署容器化微服务架构完整指南 概述 Flexile是一个现代化的企业级金融管理平台采用Ruby on Rails 8.0.2后端Docker容器化部署AzerothCore-WoTLK服务器从零到一的完整指南Docker容器化部署AzerothCore WoTLK服务器从零到一的完整指南 还在为复杂的魔兽世界私服搭建过程而苦恼吗想要快速拥有属于自己的MMO服务器游戏开发后端上一篇5分钟跑通Keep开源AIOps告警平台:新手完整指南下一篇CANN PTO-ISA GlobalTensor编程模型创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考