面向合同、票据、报表、证照等非结构化文档人工录入慢、字段抽取易错、审核标准不统一、处理链路难追溯等业务痛点,设计并落地智能文档信息抽取与审核平台。系统以 Python 后端为核心,打通文档批量上传、多格式解析、OCR 识别、版面分析、文档分类路由、LLM 结构化抽取、模板配置、字段校验、规则审核、多级审批、人工复核、结果回写与审计留痕全链路,将非结构化文档自动转化为可校验、可追溯、可回写的结构化数据,支撑批量文档处理、业务系统集成与运营数据分析。
平台采用“异步任务 + AI 服务化 + 可配置审核工作流”架构:后端基于 FastAPI 提供高并发 API,使用 Celery/Redis 构建文档解析、OCR、模型调用与回写异步任务队列,支持任务重试、幂等控制、优先级队列、限流降级与失败告警;文档存储基于 MinIO,业务数据、审核记录与审计日志落库 PostgreSQL,全文检索接入 Elasticsearch;OCR 与版面分析采用 PaddleOCR/Tesseract,结构化抽取接入 OpenAI API/开源大模型,通过 LangChain 编排抽取流程、Pydantic 做结构化输出校验与字段纠错;审核层结合可配置规则引擎实现必填校验、金额一致性、日期逻辑、跨字段比对、证照有效期校验等自动审核,低置信度结果进入人工复核工作台,并支持多级审批与驳回重提;平台提供模板管理、字段映射、模型路由、提示词版本管理、任务监控大盘、数据统计看板与权限管理,并通过 Webhook/API 与业务系统回写集成;部署层基于 Docker/Kubernetes、Nginx、CI/CD 与 Prometheus/Grafana 实现容器化发布、灰度上线、日志采集与可观测运维。