项目周期： 2026.07-2026.07（两周内快速开发）

技术栈： Python 3.9+ | Streamlit 1.28+ | PyMuPDF | Tesseract OCR 5.3 | pdf2image + Poppler | Ollama + Qwen2.5 系列 | PIL | 正则表达式引擎 | JSON 配置驱动架构 | 多处理器注册器模式

项目背景：
某企业日常需要处理大量格式各异的 PDF 文档，人工归类命名效率低且易出错。需求为：断网环境下实现 PDF 自动分类、关键信息提取并按预设格式重命名归档，系统需完全本地化部署，满足数据隐私合规要求。

个人职责（全流程独立开发）：

系统架构设计：独立完成从需求分析、技术选型、架构设计到交付部署的全链路开发。新增文档类型无需改动核心代码，实现高内聚低耦合的可扩展架构。

多源文字提取管线：基于 PyMuPDF + Tesseract OCR 构建混合式文字提取引擎，优先直接提取（毫秒级），不足时自动降级为 OCR 识别，支持扫描件、拍照件、文字型 PDF 全场景覆盖。独立解决 Windows 环境下路径检测、权限拦截、中文编码等跨平台兼容性问题。

零代码部署体系：开发可视化设置页面，将环境依赖全部抽离为页面配置，写入统一配置文件管理，实现零代码修改、全动态适配的部署体验。编写自动化启动脚本，非技术背景客户双击即可运行，彻底解决 Python 项目迁移部署痛点。

交互式规则配置引擎：自研规则配置页面，支持按文档类型自定义字段组合、拖拽调整顺序、预制词映射在线维护，规则热更新无需重启、无需懂代码。

项目成果： 系统稳定支持各类文档的自动分类与精准命名，处理准确率达 100%。响应速度达到毫秒级，适配普通办公电脑。架构具备良好扩展性，新增文档类型仅需新增处理器文件，无需改动核心调度逻辑，可快速扩展至更多业务场景。

可承接需求： 本地化 AI 文档处理系统、PDF 自动分类归档工具、OCR + 规则 + AI 混合智能提取系统、Streamlit 快速应用开发、Python 桌面工具交付部署、企业文档管理自动化定制。