openCV

vlm-text：多模态读图→每页JSON（题号/类型/内容）+txt+pages.jsonlvlm-refine：按题号合并题干与解析，LLM修正→refined_merged.xlsx/jsonlllm-compose（可选）：整页文本再拆为题目数组xlsx-lecture-tips：对已导出x

递归扫描图片目录，按page_id并发调用VLM图像预处理：EXIF转正、PULC0/90/180/270°转正、透视矫正、长边缩放、色调模式单次VLM调用输出业务JSON，解析后写入pages/{id}.json与pages.jsonl按delivery.merge_key合并多页，导出中文工作表

采用Python+Selenium技术栈，可模拟浏览器行为，实现翻页、等待加载、元素定位等操作；支持解析JS动态渲染内容，将数据整理为结构化格式，解决传统爬虫无法抓取动态页面的问题。