Ren(@Ryrenz):🗂️ 兄弟们，又挖到一个能把家里一堆纸质文件管起来的开源系统 GitHub 上 2.3K stars 合同、发票、保单、说明书这些东西的通病是：需要的时候永远找不到。扫描件堆在一个文件夹里，名字是 `scan_0043.pdf`，你根本不记得哪一份是去年的房屋保险。 Docspell 就是干这件事的。文件可以从扫描仪、邮箱和其他来源汇进来，进来之后它会自己动：需要时先做 OCR 把图片里的字变成可搜索的文本，再用机器学习和自然语言处理去猜这份文件的通信方是谁、该打什么标签、日期是哪天。你确认一下就归好档了，之后靠全文搜索直接捞。标签、通信方、预定义元数据和自定义元数据这套体系是完整的，邮件集成也做了。界面默认是适配手机的单页 Web 应用，另外还有安卓客户端和命令行客户端，全部功能都通过 REST API 暴露出来，想自己接别的流程也行。后端 Scala 写的，用了 Cats、FS2、Doobie、Http4s 这套函数式栈，前端是 Elm 配 Tailwind，文件处理依赖 Tesseract、unoconv 和 OCRmyPDF。机器学习那部分用的是 Stanford CoreNLP，注意它是 GPL 协议。存下来只是第一步，能搜到才叫归档。 GitHub：

2026.08.21 01:02

🗂️ 兄弟们，又挖到一个能把家里一堆纸质文件管起来的开源系统 GitHub 上 2.3K stars 合同、发票、保单、说明书这些东西的通病是：需要的时候永远找不到。扫描件堆在一个文件夹里，名字是 `scan_0043.pdf`，你根本不记得哪一份是去年的房屋保险。 Docspell 就是干这件事的。文件可以从扫描仪、邮箱和其他来源汇进来，进来之后它会自己动：需要时先做 OCR 把图片里的字变成可搜索的文本，再用机器学习和自然语言处理去猜这份文件的通信方是谁、该打什么标签、日期是哪天。你确认一下就归好档了，之后靠全文搜索直接捞。标签、通信方、预定义元数据和自定义元数据这套体系是完整的，邮件集成也做了。界面默认是适配手机的单页 Web 应用，另外还有安卓客户端和命令行客户端，全部功能都通过 REST API 暴露出来，想自己接别的流程也行。后端 Scala 写的，用了 Cats、FS2、Doobie、Http4s 这套函数式栈，前端是 Elm 配 Tailwind，文件处理依赖 Tesseract、unoconv 和 OCRmyPDF。机器学习那部分用的是 Stanford CoreNLP，注意它是 GPL 协议。存下来只是第一步，能搜到才叫归档。 GitHub：