archive-triage-ocr

纸质票据 vs APP 截图分类归档规范：判断标准、OCR 落盘、时间线索引、定期核对。脱敏通用规则。

adchina2025@adchina2025

Install

openclaw skills install @adchina2025/archive-triage-ocr

纸质票据 vs APP 截图分类归档规范（脱敏版）

适用范围：个人 Obsidian 档案库 / 文档管理系统中的「票据凭证、纸质资料、说明书、交易记录」归档。目标：把「收起来就找不到」变成「永远能秒搜」，同时避免把无价值的截图误归档。脱敏说明：本文档只记录通用规则，不包含任何具体金额、账号、机构名、人名。

一、核心判断标准（先判断再处理）

1. 手机翻拍的纸质票据

判定：该文件没有上电子系统 / APP 里查不到
处理：通常保存价值最大 → 归档 + OCR 落盘可搜
⚠️ 例外（无保存价值，不归档）：餐饮报销类翻拍等「报销完即弃、金额已登账」的场景

2. APP 截图

判定：内容在 APP 内可找回（除有时限的之外）
处理：默认不存档（数据已登记进台账/账本即可）
但以下 4 类关键里程碑必须保留：
1. 补贴/优惠/权益申请成功的截图
2. 查询时间相关的截图
3. 有价值的内容
4. 将来一次性在 APP 里找不到的内容

3. 车辆专项（名爵/宝马等）

网约车交易单据、里程、APP 电池/续航截图 = 数据登记（登台账，不归档）
购车合同、发票、保单、过户资料 = 票据档案（归档 + OCR）

4. 永久保存凭证（禁止清理）

车牌额度截屏/凭证、办结凭证、有效期查询等 → 永久保存 + OCR 落盘
此类无论翻拍纸质还是 APP 截图，一律永久保留，不适用「APP 截图不存档」规则

二、兜底原则

不确定的截图/资料 → 一律先入暂存区（只移动、不删除、不擅自归档）
定期（例如每两周）做一次专项核对，由用户二次确认「归档 / 登记 / 删除 / 继续留」

三、OCR 落盘流程（让扫描件可全文搜索）

引擎选择（优先级）

系统原生 OCR（macOS Vision framework / 系统级 OCR）——免费、中文支持好、本地运行不耗 token
- 注意：很多本地 OCR 脚本通过「快捷指令」调用会失败（找不到动作），直接用框架级 API 最可靠
本地 VL 小模型——可用但识别质量偏低，仅兜底
云端——仅在必要时，注意 token 成本

批量处理

遍历归档目录下的 .jpg/.jpeg/.png/.bmp/.tif（直接 OCR）和 .pdf（先渲染每页为图片再 OCR）
为每个扫描件生成同名 .ocr.md，包含：
- frontmatter：source（源文件名）、ocr_date、ocr_method、type、date、counterparty、keywords
- 正文：OCR 全文（放入代码块）
幂等：已存在 .ocr.md 的文件跳过（可 --force 重跑）

定期维护

每日/定期增量扫描，新文件自动补 OCR（脚本幂等，不会重复处理）

四、时间线索引（交易/票据按时间组织）

从文件名自动提取日期（支持 YYYY-MM-DD、YYYYMMDD、YYYY年MM月DD日 等格式）
从文件名 + OCR 文本识别：
- counterparty（往来方：机构/商户名，用关键词表匹配）
- type（发票/合同/保单/凭证/说明书/证书/黄金票据/补贴/税…用关键词表匹配）
为每个归档目录生成**「时间线索引.md」**：按日期排序，列出日期/类型/往来方/源文件
该索引可自动重跑刷新；人工修正 frontmatter 后重跑即更新

五、目录分类（参考）

A 类 · 纸质档案（OCR 落盘可搜）：票据凭证 / 纸质资料备份 / 设备说明书 / 黄金交易记录档案 / 交易记录 B 类 · 数据登记（不归档）：账户余额、里程、电量、交易单金额等数据类截图 → 只 OCR 抓值登记台账 C 类 · 永久保存：车牌额度等凭证（见一·4），禁止清理

六、校验与运维

每次批量处理 / 登记后 read-back 验证（重新读取确认文件未损坏、格式正确）
涉及金额/账号的登记：先反算核验（明细加总 = 总额），不凭印象
判定归属必须依据特征（OCR 内容、文件来源），禁止凭外观/量级猜测
功能失败超过 3 次停止并汇报，不无限重试