eikek/docspell

Docspell – パーソナルドキュメント管理システム

何であるか

• 家族や小規模チーム向けのオープンソースDMS。スキャンした紙、電子メール、その他のデジタルドキュメントを保存・整理・検索するのに役立ちます。

なぜ重要か

• パーソナルDMSの最大の課題は、有用なメタデータ（誰から来たか、日付、タグなど）を手動で追加することです。DocspellはStanford CoreNLPを使用して、送信者、日付の抽出、タグの推測、全文検索を自動的に提案することで、その手作業を軽減します。言い換えれば、家庭やオフィスのワークフローに軽量な自然言語処理をもたらします。

主な機能

• 自動メタデータ抽出 – NLP駆動のタグ、日付、送信者に関する提案。
• OCRパイプライン – tesseract、ocrmypdf、unoconv を統合し、スキャン画像を検索可能なPDFに変換。
• 全文検索 – 抽出されたテキストで駆動。
• REST/HTTP API – すべての機能がプログラムからアクセス可能。
• Web UI – ElmとTailwind CSSで構築されたモバイル対応のシングルページアプリ。
• Androidクライアント – スマートフォンやタブレットから迅速にアップロード。
• CLIツール（dsc） – パワーユーザー向けのコマンドラインアクセス。
• Docker、Debianパッケージ、Nix、Helm – 複数の簡単インストールオプション。

動作方法（概要）

1. インジェスト – Web UI、Androidアプリ、CLI、またはAPI経由でファイル（スキャン、PDF、メール添付）をシステムに投入。
2. 処理 – 必要に応じてOCRを実行し、テキストをStanford CoreNLPに渡す。
3. メタデータ推論 – NLPステップでエンティティ（人物、組織、日付）を抽出し、タグを提案。
4. 保存とインデックス – ドキュメントとそのメタデータはPostgreSQLデータベースに保存され、全文インデックスにより高速検索を可能に。
5. 検索 – タグや送信者でフィルタリング、または自由テキストで検索可能。

技術スタック

• バックエンド – Scala（関数型スタイル）でTypelevelエコシステム（Cats、FS2、Doobie、Http4s、Circe、Pureconfig）を使用。ML/NLPは外部のStanford-NLPライブラリに委ねる。OCRは tesseract、ocrmypdf、unoconv に依存。
• フロントエンド – Elm SPA、Tailwind CSSでスタイリング。
• デプロイ – Dockerイメージ（RESTサーバ、UI、ワーカー）、Debian .deb、Nixパッケージ、Kubernetes用Helmチャート。

導入方法

# Dockerによる素早い開始（3コマンド）
git clone https://github.com/docspell/docker docspell-docker
 cd docspell-docker/docker-compose
docker-compose up -d

その後、http://localhost:7880 を開き、コレクティブ／ユーザーを作成（最初の実行では同じ名前で可）して、ドキュメントのアップロードを開始してください。

ライセンス

• AGPL-v3（またはそれ以降）なので、サービスとして提供されてもソフトウェアは自由でソース公開が維持されます。

誰が使うべきか

• 請求書、契約書、手紙などを検索可能なアーカイブとして保持したい家庭ユーザー。
• 低コストで自己ホスト可能なDMSを必要とする小規模オフィスやNGO。
• ScalaベースのNLP/MLをプロダクションサービスに統合する例を探している開発者。

---

上記のすべての情報はプロジェクトのREADMEから直接引用されています。