5月下旬，GitHub上有一个叫paperless-ngx的项目持续升温，总Star数突破4.1万。它的定位很直接：扫描、索引、存档所有文档，自托管的OCR+全文搜索系统。

打开网易新闻 查看精彩图片

paperless-ngx解决了一个很实际的痛点：纸质文档的数字化管理。发票、合同、收据、病历、说明书、保修卡……这些纸质文件占地方、容易丢、查找困难。paperless-ngx让你扫描后，自动OCR识别文字、智能分类、全文搜索、长期存档。

功能覆盖很全。支持PDF、图片、Office文档上传，自动OCR提取文字（支持中文、英文、日文等100+语言），AI智能分类（根据内容自动打标签），全文搜索（支持模糊匹配和高级查询），版本控制（文档修改历史），权限管理（多用户、多角色）。还有移动端扫描、邮件自动导入、Webhook集成等企业级功能。

技术架构上，paperless-ngx基于Django后端，PostgreSQL数据库，Redis缓存，Tesseract做OCR，Whoosh或Elasticsearch做全文索引。Docker Compose一键部署，支持HTTPS、LDAP认证、S3存储。整个系统可以跑在一台树莓派上，也可以扩展到集群部署。

对开发者的吸引力在于"可定制性"。Evernote和Google Drive是黑盒，paperless-ngx开源，你可以改分类算法、加自定义字段、接自己的AI模型。已经有社区贡献者做了AI增强版，用LLM自动提取关键信息（比如从发票里提取金额、日期、供应商）。

但OCR准确率是个现实问题。手写体、低质量扫描、复杂排版，识别错误率会上升。paperless-ngx提供了人工校对界面，但大批量文档的处理还是需要时间。

对追求数据主权的用户来说，paperless-ngx是理想选择。所有数据存在自己服务器上，没有厂商锁定，没有隐私泄露风险。对于律师、医生、会计等需要长期保存文档的专业人士，这个系统几乎是刚需。

你怎么看？纸质文档数字化是趋势吗？paperless-ngx能替代Evernote吗？评论区聊聊。