paperless-ngx

GitHub
37.9k 2.4k 中等 1 次阅读 今天GPL-3.0图像开发框架
AI 解读 由 AI 自动生成,仅供参考

paperless-ngx 是一款由社区驱动的强大文档管理系统,旨在帮助用户将堆积如山的纸质文件转化为可搜索的数字化档案。它的核心功能是扫描、索引并归档各类文档,通过光学字符识别(OCR)技术提取内容,让你能轻松通过关键词检索找到任何文件,从而真正实现“无纸化”办公。

对于深受发票、合同、信件等纸质资料杂乱无章困扰的家庭用户、小型团队或自由职业者而言,paperless-ngx 是理想的解决方案。它不仅能自动分类和标记文档,还支持多语言界面,有效解决了传统文件存储难查找、易丢失且占用物理空间的痛点。

作为原版 Paperless 项目的官方继承者,paperless-ngx 采用了更现代化的架构,强调社区协作与持续维护。其独特的技术亮点在于部署极其简便,只需通过 Docker Compose 即可快速搭建私有云服务,确保数据完全掌握在自己手中。无论是希望整理家庭档案的普通用户,还是倾向于自建服务的科技爱好者,都能从中获得高效、安全的文档管理体验。

使用场景

某小型建筑设计公司的行政专员每天需要处理大量纸质合同、发票和工程图纸,传统的人工归档方式让团队在查找历史文件时苦不堪言。

没有 paperless-ngx 时

  • 检索效率极低:寻找一份三年前的特定项目合同,需要在堆积如山的档案柜中手动翻找,耗时数小时甚至一无所获。
  • 空间占用严重:随着业务增长,专门的文件储藏室已被塞满,物理存储成本不断攀升,且存在火灾或受潮损坏风险。
  • 协作壁垒高筑:外勤工程师无法远程访问现场所需的图纸扫描件,必须电话请求同事拍照发送,沟通成本高昂。
  • 信息孤岛现象:文档内容未被索引,无法通过关键词(如“客户名称”或“日期”)快速定位,完全依赖记忆文件名。
  • 备份困难:缺乏统一的数字化备份机制,一旦纸质原件丢失,关键业务数据将永久灭失。

使用 paperless-ngx 后

  • 秒级全文检索:系统自动对上传的文档进行 OCR 识别和索引,输入关键词即可在毫秒内定位到包含该内容的具体页面。
  • 实现无纸化归档:所有纸质文档扫描后即销毁或封存,释放了宝贵的办公空间,转而使用低成本的高可用数字存储。
  • 随时随地协作:团队成员可通过网页端或移动端随时调阅高清档案,支持权限管理,外勤人员能即时获取最新图纸。
  • 智能分类标签:利用机器学习自动匹配文档类型、日期和相关方并打上标签,将杂乱的文件整理为井井有条的知识库。
  • 自动化备份安全:基于 Docker 部署的系统可轻松接入现有云存储备份策略,确保每一份数字档案都有多重容灾保护。

paperless-ngx 将混乱的物理纸张转化为可搜索、易协作的智能数字资产,彻底重塑了企业的文档管理流程。

运行环境要求

操作系统
  • Linux
  • macOS
  • Windows (通过 Docker)
GPU

未说明 (通常不需要专用 GPU,依赖 CPU 进行 OCR 和索引)

内存

最低 2GB,推荐 4GB+ (取决于文档处理并发量)

依赖
notes官方强烈建议使用 Docker Compose 进行部署。由于系统存储敏感文档且默认不加密,严禁在不信任的主机上运行,最安全的方式是在本地家庭服务器运行并配置备份。从 Paperless-ng 迁移只需更换 Docker 镜像即可。
python未说明 (官方推荐使用 Docker 部署,镜像内已包含所需环境)
Docker
Docker Compose
PostgreSQL
Redis
Tesseract OCR
Ghostscript
OptiPNG
JBIG2
Unpaper
ImageMagick
paperless-ngx hero image

快速开始

ci Crowdin Documentation Status codecov Chat on Matrix demo

Paperless-ngx

Paperless-ngx 是一个文档管理系统,可将您的纸质文档转换为可搜索的在线档案,从而帮助您减少纸张使用。

Paperless-ngx 是原 PaperlessPaperless-ng 项目的官方继任者,旨在将推动和维护该项目的责任分散到一个团队中。欢迎加入我们!

感谢 DigitalOcean 的慷慨支持,现提供演示环境:demo.paperless-ngx.com,登录名与密码均为 demo请注意:演示内容会定期重置,切勿上传机密信息。

本项目由以下机构支持:

功能

完整的功能列表截图可在文档中找到。

快速入门

部署 Paperless 的最简单方式是使用 docker compose。位于/docker/compose 目录中的文件已配置为从 GitHub 容器注册表拉取镜像。

如果您想立即开始,可以使用我们的安装脚本配置 docker compose 环境:

bash -c "$(curl -L https://raw.githubusercontent.com/paperless-ngx/paperless-ngx/main/install-paperless-ngx.sh)"

更多详细信息以及替代安装方法的分步指南,请参阅文档

从 Paperless-ng 迁移非常容易,只需替换为新的 Docker 镜像即可!有关迁移的更多信息,请参阅迁移至 Paperless-ngx 的文档

文档

Paperless-ngx 的文档可在 https://docs.paperless-ngx.com 查阅。

贡献

如果您愿意为本项目贡献力量,请随时参与!修复 Bug、功能增强、界面优化等都备受欢迎。如果您计划实现较大规模的功能,请先发起讨论!开发文档 提供了一些入门信息。

社区支持

希望继续参与 Paperless-ngx 工作的人员,欢迎在 GitHub 上以及 Matrix 论坛 中联系我们。如果您希望长期参与本项目,我们有多个团队(前端、CI/CD 等)正在寻找志愿者,请随时与我们联系!

翻译

Paperless-ngx 支持多种语言,翻译工作由 Crowdin 协调管理。如果您希望将 Paperless-ngx 翻译成您的语言,请访问 https://crowdin.com/project/paperless-ngx,非常感谢!更多详情请参阅 CONTRIBUTING.md

功能请求

功能请求可通过 GitHub Discussions 提交。您可以搜索现有想法、添加自己的建议,并为感兴趣的功能投票。

Bug 报告

如发现 Bug,请提交 Issue;如有疑问,也可发起讨论

相关项目

请参阅 维基页面,其中列出了用户维护的相关项目及与 Paperless-ngx 兼容的软件。

重要提示

文档扫描仪通常用于扫描敏感文件,例如您的社会保险号码、税务记录、发票等。请勿在不可信的主机上运行 Paperless-ngx,因为信息以明文形式存储,未进行加密。我们不对安全性提供任何保证(尽管我们一直在努力!),使用该应用的风险由您自行承担。 运行 Paperless-ngx 的最安全方式是在您自己家中的本地服务器上,并做好备份

版本历史

v2.20.132026/03/21
v2.20.122026/03/20
v2.20.112026/03/16
v2.20.102026/03/04
v2.20.92026/02/28
v2.20.82026/02/22
v2.20.72026/02/16
v2.20.62026/01/31
v2.20.52026/01/21
v2.20.42026/01/13
v2.20.32025/12/18
v2.20.22025/12/12
v2.20.12025/12/01
v2.20.02025/11/22
v2.19.62025/11/15
v2.19.52025/11/06
v2.19.42025/11/04
v2.19.32025/10/29
v2.19.22025/10/23
v2.19.12025/10/22

常见问题

相似工具推荐

openclaw

OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你

349.3k|★★★☆☆|昨天
Agent开发框架图像

stable-diffusion-webui

stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。

162.1k|★★★☆☆|2天前
开发框架图像Agent

everything-claude-code

everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上

143.9k|★★☆☆☆|今天
开发框架Agent语言模型

ComfyUI

ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。

107.9k|★★☆☆☆|昨天
开发框架图像Agent

markitdown

MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器

93.4k|★★☆☆☆|昨天
插件开发框架

LLMs-from-scratch

LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备

90.1k|★★★☆☆|昨天
语言模型图像Agent