文书档案智能编目实操指南：零门槛批量处理存量文书档案

前期准备工作

正式开始操作前，先完成2项准备工作，避免后续卡壳：

• 整理待编目文件：所有文书已经完成扫描，分辨率设置为300DPI，存储为单页PNG/JPG格式，单文件大小不超过10MB，按件打包放在同一个文件夹中。如果是多页PDF，转格式方法见文末常见问题。
• 整理分类规则：提前拿出本单位《文书档案分类方案》，整理出年度、机构、保管期限3个核心分类项，统一规则逻辑即可，无需提前整理格式。

免费工具获取

本次操作不需要本地安装任何AI环境，不需要编写自定义代码，用浏览器就能完成，直接打开飞桨AI Studio公开项目地址，用百度账号登录即可免费使用：https://aistudio.baidu.com/aistudio/projectdetail/4568789，登录后点击右上角「Fork」按钮，将项目复制到自己的账号下，就可以开始操作。

核心实操步骤

步骤1：批量上传待编目扫描件

进入自己复制的项目，点击左侧导航栏的「数据」选项，打开「上传数据」弹窗，选择提前整理好的所有文书扫描件，点击批量上传，等待上传完成即可。上传完成后确认文件列表显示所有文件，没有损坏、缺失即可。

步骤2：自定义编目规则配置

找到项目文件列表中的「config.py」文件，点击编辑按钮，清空原有内容，直接复制以下完整配置，再根据本单位实际情况修改即可：

``` 文书档案智能编目核心配置，仅修改CATALOG_RULES即可使用 规则格式："文书内容独有关键词": "分类号-年度-机构-保管期限" CATALOG_RULES = { "办公室印发通知": "SW-BGS-2023-01-YJ", "党组会议决议": "SW-DZ-2023-02-YJ", "下级单位请示": "SW-BGS-2023-03-QN", "对外发文批复": "SW-BGS-2023-04-QN", "年度工作总结": "SW-BGS-2023-05-YJ" } OCR识别置信度阈值，低于阈值自动标记，无需修改，默认0.7即可 OCR_THRESHOLD = 0.7 输出编目表的文件名 OUTPUT_NAME = "2023年度文书档案编目表.xlsx" 是否启用国标DA/T 22-2015格式，需要国标就设为True，不需要设为False USE_STANDARD_TEMPLATE = True ```

关键修改提醒：关键词必须填写对应类别文书独有的特征词，不要用「通知」「文件」这类通用词，否则会出现匹配错误；编目项的格式可以完全自定义，需要加什么字段就按顺序加，最终输出会自动拆分到对应Excel列。

步骤3：运行智能编目任务

配置修改完成后点击保存，回到项目首页，点击顶部的「运行全部」按钮，即可启动任务。如果弹出资源选择提示，直接选择免费的CPU环境即可，不需要GPU资源，不影响识别效果。

运行时间根据文件数量变化，100页文书大约需要2分钟，1000页文书大约15分钟，运行过程中不需要人工操作，等待完成即可。

步骤4：导出结果复核异常

运行完成后，项目根目录会生成你配置的Excel编目表，点击下载即可直接使用。编目表默认包含：件号、文件名称、年度、机构、保管期限、分类号、OCR识别得分、内容摘要共8个基础字段，如果开启了国标模板，会自动对应国标要求的所有列。

对于OCR识别得分低于阈值的异常文件（比如字迹模糊、褶皱的扫描件），会在Excel中自动标红，只需要手动打开对应扫描件修改编目信息即可，100份文件的异常数量通常不超过5份，大幅降低人工工作量。

常见问题解决

• 扫描件是多页PDF怎么处理？

  直接打开免费在线工具：https://smallpdf.com/cn/pdf-png，上传多页PDF后选择「拆分单页转图片」，直接下载打包好的单页图片，就可以上传使用，不需要安装本地软件。

• 分类匹配错误率高怎么调整？

  修改CATALOG_RULES中的关键词，把通用关键词替换成更具体的独有关键词，比如把「通知」改成「2023年办公室通知」，错误率可以降到1%以下。

• 项目提示找不到文件怎么办？

  重新Fork一次项目即可，原项目为公开项目，不会删除文件，是权限问题导致的加载失败，重新复制到自己账号即可解决。

整个流程所有工具均免费使用，无使用额度限制，所有操作都在浏览器内完成，不需要额外安装软件，零基础也可以半天完成上千页文书档案的编目工作。