文件自動歸檔：從一個雜亂資料夾到可搜尋的檔案庫
輸入是一個裝滿 scan001.pdf、IMG_4821.jpg 這類檔名的資料夾。輸出是分好類、命好名、每頁可全文搜尋、附 Excel 索引的檔案庫；判斷不了的檔案獨立列出給人看。
7檔案
8頁
6自動歸檔
1需人工確認
6類別
流程
01 讀取PDF／照片前兩頁，判斷類別、文件日期、對方單位、主旨、品質
02 文字層OCR（繁中＋英文）加進 PDF，原圖不動，之後可全文搜尋
03 命名日期_類別_對象_序號，民國年自動換算
04 歸檔類別／年度 兩層資料夾
05 索引Excel：索引、需人工確認、統計三張表
06 把關模糊、手寫、無日期、信心不足 → 不硬猜，列入人工確認
重新命名與歸檔
| 原檔名 | 新路徑 | 類別 | 文件日期 | 對象 | 頁 | 狀態 | |
|---|---|---|---|---|---|---|---|
| IMG_4821.jpg | → | 發票/2026/20260722_發票_全家便利商店_001.pdf | 發票 | 2026-07-22 | 全家便利商店 | 1 | 自動歸檔 |
| IMG_4822.jpg | → | 其他/年度不明/nodate_其他_Mr.Lin_001.pdf | 其他 | — | Mr. Lin | 1 | 需人工確認 |
| doc_final_v2.pdf | → | 報價單/2026/20260603_報價單_禾昇實業_001.pdf | 報價單 | 2026-06-03 | 禾昇實業 | 1 | 自動歸檔 |
| scan001.pdf | → | 發票/2026/20260418_發票_禾昇實業_002.pdf | 發票 | 2026-04-18 | 禾昇實業 | 1 | 自動歸檔 |
| scan002.pdf | → | 合約/2026/20260115_合約_禾昇實業_001.pdf | 合約 | 2026-01-15 | 禾昇實業 | 2 | 自動歸檔 |
| scan003.pdf | → | 公文/2026/20260506_公文_新北市政府經濟發展局_001.pdf | 公文 | 2026-05-06 | 新北市政府經濟發展局 | 1 | 自動歸檔 |
| scan004.pdf | → | 人事/2026/20260301_人事_王小明_001.pdf | 人事 | 2026-03-01 | 王小明 | 1 | 自動歸檔 |
資料夾結構
├── 人事/
│ └── 2026/
│ └── 20260301_人事_王小明_001.pdf
├── 公文/
│ └── 2026/
│ └── 20260506_公文_新北市政府經濟發展局_001.pdf
├── 其他/
│ └── 年度不明/
│ └── nodate_其他_Mr.Lin_001.pdf
├── 合約/
│ └── 2026/
│ └── 20260115_合約_禾昇實業_001.pdf
├── 報價單/
│ └── 2026/
│ └── 20260603_報價單_禾昇實業_001.pdf
└── 發票/
└── 2026/
├── 20260418_發票_禾昇實業_002.pdf
└── 20260722_發票_全家便利商店_001.pdf
需人工確認
| 檔案 | 原因 | 系統摘要 |
|---|---|---|
| nodate_其他_Mr.Lin_001.pdf | 手寫為主；無法判讀日期；類別未判定 | 手寫便條，提醒在7月25日前聯繫林先生關於SF-800樣品的事宜，並詢問是否需要20袋。 |
這一欄的存在是刻意的：手寫、模糊、看不出日期的文件不讓系統猜，由人決定。交付時這張表會跟索引一起給。
統計
| 類別 | 檔數 |
|---|---|
| 合約 | 1 |
| 發票 | 2 |
| 報價單 | 1 |
| 公文 | 1 |
| 人事 | 1 |
| 其他 | 1 |
下載
實作方式
分類與命名用視覺語言模型讀前兩頁，回傳結構化欄位與信心分數；文字層用 tesseract（chi_tra＋eng）經 ocrmypdf 寫回 PDF，保留原始影像；規則（信心門檻、命名格式、資料夾層級）是設定不是程式，可依客戶命名規則調整。文字層的 OCR 有錯字率，全文檢索夠用，逐字正確需人工抽檢。