一句话定位
Paperless-ngx 是一套自托管的文档管理系统，把扫描件、PDF、手机拍的纸质文件统一收进来，做 OCR 全文识别、按规则自动打标签，之后靠关键词就能翻出三年前的保修单。
为什么需要它
纸质文件和电子文件的存放一直是乱的：合同在抽屉，发票在邮箱附件里，体检报告在手机相册，说明书不知道扔哪去了。真要用的那天，靠回忆加翻文件夹，平均找一份资料要花好几分钟，最后往往是找不到然后重新要一份。
网盘能存但不能理解内容。你搜「热水器 保修」，它只会匹配文件名；而扫描出来的 PDF，文件名通常是 IMG_20240312_001.pdf 这种，搜什么都搜不到。文件名是给人看的，扫描仪不认字。
核心能力
- 收件箱机制：把文件丢进 consume 目录，或者从网页上传、邮件转发、扫描仪直接推过来，系统自动导入并归档。
- OCR 全文检索：对扫描件做文字识别，结果入库，搜中文和英文都能命中正文，命中片段会高亮。
- 自动分类：按文件名、内容关键词、来源写规则，自动匹配标签、对应方（比如某家保险公司）、文档类型（发票/合同/报告）。
- 规范归档：文件按「日期 – 标题.pdf」重命名并分目录存放，原件可以保留双份。
- 版本与审计：同一份文档能追加新版本，谁在什么时候改过都有记录。
- 权限与分享：支持多用户，按标签或文档授权，可以生成带有效期的分享链接。
实测体验
部署走 Docker Compose，官方给了现成的 yml 文件，一条 docker compose up -d 就能拉起 Web 服务、数据库、Redis 和 OCR 服务，首次启动大约 1 到 2 分钟。整套栈常驻内存 800MB 到 1.5GB，跑在 2C2G 的小机器上偏紧，加 1 到 2GB swap 会稳一些。
导入速度：一页 300dpi 的纯文字扫描件，OCR 大约 2 到 4 秒。一次丢 50 份 PDF 进去，十来分钟处理完，界面上能看到「待处理 / 已完成」的队列。
真正的价值在搜索：输入「发票 2023 金额」，能直接定位到正文里出现的那一行，并高亮上下文，而不是给你一堆文件让你自己点开翻。这套体验是网盘加文件夹永远给不了的。
坑也说清楚：中文识别必须额外装 tesseract-ocr-chi-sim 语言包，不装的话中文全部变成乱码，这一步很多人卡住。另外手写体识别率很低，别对医生的处方单抱期待。
适合谁
- 有大量票据、合同、体检报告需要长期归档的家庭或自由职业者
- 小型工作室，需要按客户和项目归档合同与发票
- 已经在跑 NAS 或家用服务器、习惯用 Docker 的人
需要注意的地方
- 它不是装完就能用的消费级软件，得懂 Docker、端口映射、目录挂载这几件事。
- 备份必须自己解决。文档库就是一堆文件加一个数据库，两者要一起备份，只拷文件不拷库，标签和规则全丢。
- OCR 有语言包门槛，中文、日文都要单独装，装错版本不会报错，只会识别失败。
- 移动端只有网页和第三方客户端，扫码上传的流畅度不如商业 App。
- 扫描质量决定一切：歪斜、阴影、低分辨率会让识别率断崖式下跌，前置的扫描或拍照质量比软件本身更重要。
小结
Paperless-ngx 解决的不是「存」的问题，而是「找」的问题。花一个下午搭环境，换来的是以后每次找票据从「翻抽屉五分钟」变成「搜三秒钟」。代价是要自己维护服务器和备份——愿意付这个代价，它在这个价位上没有替代品。