📌 项目地址：github.com/icereed/paperless-gpt | 星数：2721+ | 部署：Docker | 配套：paperless-ngx
paperless-ngx 是很受欢迎的自托管文档库，但传统 OCR 遇到模糊扫描件就拉胯，标题标签还得手工打。paperless-gpt 补上这块：用 LLM（OpenAI 或本地 Ollama）做上下文感知的高保真 OCR，并自动生成标题、标签、日期、通信方和自定义字段——扫描、识别、归档一条龙。批量文件处理的全能替代还可参考 SnapOtter自托管文件处理教程。
| 功能 | 说明 |
|---|---|
| LLM 增强 OCR | OpenAI / Ollama 驱动，烂扫描件提出高保真文本；Ollama 可用 qwen3:8b 等推理模型提准确率 |
| 多 OCR 引擎 | LLM OCR、Google Document AI、Azure Document Intelligence、Docling 自托管 |
| 自动元数据 | 标题 / 标签 / 创建日期 / 通信方 / 自定义字段自动生成，可人工复核修正 |
| 三种字段写入模式 | Append（最安全，只加不覆盖）/ Update（覆盖有建议的字段）/ Replace（整体替换） |
| 可搜索 PDF | 生成透明文字层精确对位每个词，原貌不变、可搜索可选中 |
| 提示词可定制 | Web UI Settings 里直接改所有 AI 提示词，持久化保存 |
| Docker 部署 | 几个环境变量即可与 paperless-ngx 并排跑 |
# 与 paperless-ngx 并排 compose 部署，核心环境变量：
# PAPERLESS_BASE_URL paperless-ngx 地址
# PAPERLESS_API_TOKEN paperless-ngx API 令牌
# LLM_PROVIDER openai / ollama / ...
# LLM_MODEL 如 ollama 的 qwen3:8b
# # 或 Google Document AI / Azure / Docling 对应凭据
# 流程：paperless-ngx 新文档 → 处理队列
# → LLM OCR → 建议标题/标签/字段 → 人工确认 → 回写归档与开源自托管文档库 paperless-ngx 配套的 AI 增强工具（icereed/paperless-gpt，2721 星）：用 LLM 做比传统 OCR 更强的文字识别——再烂的扫描件也能提出上下文感知的高保真文本；并自动生成文档标题、标签、创建日期、通信方（correspondent）和自定义字段，省去手工归档。
支持五类引擎：LLM OCR（OpenAI 或 Ollama）、Google Document AI、Azure Document Intelligence、Docling 自托管服务。本地跑没问题——用 Ollama 配 qwen3:8b 这类推理模型可以在保证隐私的同时大幅提升识别准确率，有 GPU/NPU 换更大模型效果更好。
自定义字段有三种写入模式可选：Append 最安全——只添加文档上还不存在的新字段，绝不覆盖已有字段（哪怕为空）；Update 添加新字段并用建议覆盖已有字段，没有建议的字段不动；Replace 删除全部已有自定义字段后整体替换。该功能需在设置中启用并至少选择一个目标字段。所有 AI 提示词都可在 Web UI 的 Settings 里直接改。