企业文档自动化与知识库入库系统产品系统

这个项目最初是为了解决企业内部资料分散、格式不统一、人工整
理成本高、后续检索和复用效率低的问题。业务场景主要是企业沉
淀的 PDF、Word、Markdown、扫描件等资料需要统一解析、清洗、
入库，并支持后续知识检索、报告生成和版本归档，适合标准文
档、案例资料、检测报告、内部知识库等场景

项目主要包括文档导入、格式转换、OCR识别、文本抽取、知识库入
库、全文检索、预览校验、报告生成、版本归档等模块。系统支持
PDF、Word、Markdown、图片等多种输入类型，能够自动完成文档清
洗、结构化处理和索引建立；同时提供检索与预览能力，方便内部
资料复用，并能输出标准化报告和交付包，适合企业内部文档自动
化和知识沉淀场景

我负责整个项目的需求拆解、技术方案设计、核心代码实现、命令
行工具封装、索引结构设计、OCR与PDF处理链路接入，以及预览校
验和发布归档流程实现。技术上主要使用 Python、SQLite、
Pandoc、LaTeX、Typst 和 OCR 工具链，围绕 build、preview、
verify、ingest、search、release 设计统一工作流。实现难点在
于多格式文档兼容、扫描件文本抽取稳定性，以及预览结果和正式
交付版的一致性校验