Indra离线运行准备：核对模型目录与math依赖，断网前形成完整清单

素材身份：作者原创输入/可编辑参考。目标工具未在本轮执行。
先打开 index.html；input.csv 是原始字段，reference.csv 是验收基准，negative.csv 是故意构造的坏样例。
actual-results.csv 保留未测状态，实际执行后再填写。

前置条件：
Python环境与本地CPU；Indra使用ONNX，不需要PyTorch或GPU，首次运行需下载约76MB默认模型，math模型另计。
代码Apache2.0；权重modified OpenRAIL-M，有企业规模与竞争用途限制，不能宣传无限制免费商用。
本课原生材料可离线免费检查；目标识别未执行，实际page.source/conf/坐标只能运行后填写。

操作步骤：
1. 列出实际使用能力
决定只做普通OCR还是需要math，记录语言与输入范围。
不为离线准备无差别安装所有托管服务依赖。

2. 准备模型目录
按官方INDRA_OCR_MODEL_DIR或--model-dir指定本地模型路径。
首次自动下载约76MB默认模型，不能说安装命令后就完全离线。

3. 核对目录完整性
按当前发布文件清单记录名称、大小和摘要。
不要只凭文件夹存在就判模型齐全。

4. 处理可选math模型
需要--math时提前取得对应额外模型并记录版本。
只缓存默认模型不足以证明数学路径断网可用。

5. 进行断网试跑
在可控测试环境禁用网络后处理一张自制小页。
失败保留缺文件信息，不修改脚本去访问未知镜像。

6. 分开记录许可
代码Apache2.0，权重modified OpenRAIL-M并有使用条件。
本地CPU运行不等于无限制商用授权。

7. 交付离线清单
保存版本、模型摘要、试跑输出与未覆盖能力。
本稿未安装/推理，离线验证项保持not_run。

验收：
模型目录按明确版本有完整清单。
math是否启用与额外依赖对应。
离线成功只在实际断网试跑后声明。

官方资料：
https://huggingface.co/datalab-to/indra-ocr

图片身份：assets/ 为内置image_gen生成的原创练习输入缩略版，原始文件保留在网站图片来源地址。可编辑SVG为作者原生排版。