eikek/docspell

Docspell – 个人文档管理系统

是什么

• 面向家庭、家庭成员和小团队的开源文档管理系统（DMS）。帮助您存储、组织和检索扫描的纸质文件、电子邮件及其他数字文档。

为何重要

• 个人文档管理系统最大的痛点在于添加有用的元数据（如文档来源、日期、标签等）。Docspell 使用 Stanford CoreNLP 自动建议发件人、提取日期、推测标签并执行全文搜索，从而减少手动工作量。换句话说，它将轻量级自然语言处理引入家庭办公工作流。

核心功能

• 自动元数据提取 – 基于 NLP 的标签、日期和发件人建议。
• OCR 流水线 – 集成 tesseract、ocrmypdf 和 unoconv，将扫描图像转换为可搜索的 PDF。
• 全文搜索 – 基于提取的文本。
• REST/HTTP API – 所有功能均可通过程序访问。
• Web UI – 使用 Elm 和 Tailwind CSS 构建的移动端友好的单页应用。
• Android 客户端 – 从手机/平板快速上传。
• CLI 工具（dsc） – 为高级用户提供命令行访问。
• Docker、Debian 包、Nix、Helm – 多种便捷安装方式。

工作原理（概览）

1. 摄入 – 通过 Web UI、Android 应用、CLI 或 API 将文件（扫描件、PDF、邮件附件）放入系统。
2. 处理 – 如需，Docspell 执行 OCR，然后将文本传递给 Stanford CoreNLP。
3. 元数据推断 – NLP 步骤提取实体（人物、组织、日期），并提出标签建议。
4. 存储与索引 – 文档及其元数据存储在 PostgreSQL 数据库中；全文索引支持快速搜索。
5. 检索 – 可以浏览、按标签/发件人过滤，或通过自由文本搜索。

技术栈

• 后端 – 使用 Scala（函数式风格）和 Typelevel 生态系统（Cats、FS2、Doobie、Http4s、Circe、Pureconfig）。ML/NLP 由外部 Stanford-NLP 库处理；OCR 依赖 tesseract、ocrmypdf 和 unoconv。
• 前端 – 使用 Elm 构建的 SPA，采用 Tailwind CSS 进行样式设计。
• 部署 – Docker 镜像（REST 服务器、UI、工作器）、Debian .deb、Nix 包、Kubernetes 用 Helm 图表。

快速开始

# 快速 Docker 启动（3 条命令）
git clone https://github.com/docspell/docker docspell-docker
 cd docspell-docker/docker-compose
docker-compose up -d

然后打开 http://localhost:7880，创建一个集合/用户（首次运行时使用相同名称即可），开始上传文档。

许可证

• AGPL-v3（或更新版本），即使作为服务提供，软件也保持免费且源码开放。

谁可能使用它

• 希望将收据、合同、信件等建立可搜索归档的家庭用户。
• 需要低成本、自托管 DMS 并具备一定智能辅助功能的小型办公室或非营利组织。
• 寻找基于 Scala 的 NLP/ML 集成到生产服务示例的开发者。

---

以上所有信息均直接来自项目的 README。