Montscan

Montscan 是一款开源的自动化文档处理工具，将传统的扫描仪工作流与现代人工智能相结合。它通过监听 FTP、SMB 共享或本地文件夹接收扫描文档，利用 Ollama 运行的视觉大模型（VLM）分析文档内容，自动生成描述性文件名，并将处理后的文件上传至 WebDAV（如 Nextcloud）或网络共享。目前该项目处于积极开发阶段，在小型测试集上已达到 97.5% 的处理成功率。

核心功能

• 多源输入支持：
  • FTP 服务器：内置 FTP 服务，直接接收来自网络扫描仪的文档。
  • Samba (SMB) 轮询：监控远程 SMB 共享文件夹中的新 PDF。
  • 本地文件夹监视：实时监控本地目录，支持原地重命名或移动文件。
• Vision AI 智能处理：
  • 集成 Ollama，支持 llava、llama3.2-vision 等视觉模型。
  • 自动将 PDF 转换为图像并进行内容分析。
• AI 驱动的智能命名：
  • 根据文档内容生成具有描述性且包含日期的文件名（例如：“2024-08-27_发票_星巴克咖啡.pdf”），告别“scan001.pdf”。
  • 若 AI 处理失败，自动回退到时间戳命名格式。
• 灵活的分发与存储：
  • WebDAV 集成：支持上传至 Nextcloud、ownCloud 及任何兼容 WebDAV 的服务。
  • Samba 提供者：可将处理后的文件推送到指定的 SMB/CIFS 网络共享。
• 容器化部署：
  • 提供完整的 Docker Compose 配置，支持 CPU 和 NVIDIA GPU 加速。

技术栈与前置要求

• 语言：Go 1.24+
• 依赖工具：
  • Poppler (pdftoppm) 或 ImageMagick：用于将 PDF 页面转换为图像以供 AI 分析。
  • Ollama：本地运行的 LLM/VLM 服务。
• 可选后端：WebDAV 服务器或 SMB 共享。

快速开始

1. Docker 部署（推荐）

这是最简便的安装方式，尤其是对于希望启用 GPU 加速的用户。

步骤：

1. 克隆仓库并进入目录：

   git clone https://github.com/sh4den/Montscan.git
   cd Montscan
   

2. 配置环境变量：
   编辑 .env 文件，设置 Ollama 地址、输入/输出路径及是否启用 GPU。
   • 启用 NVIDIA GPU：

     COMPOSE_PROFILES=gpu
     OLLAMA_GPU_COUNT=1
     

   • 仅使用 CPU：

     COMPOSE_PROFILES=cpu
     

3. 启动服务：

   docker-compose up -d
   

4. 查看日志以确认运行状态：

   docker-compose logs -f
   

2. 本地安装

如果你希望在宿主机上直接运行：

1. 构建应用：

   go build -o montscan .
   

2. 安装转换工具：
   • Linux: sudo apt-get install poppler-utils
   • macOS: brew install poppler
   • Windows: 从 GitHub Releases 下载 Poppler 二进制文件并添加到 PATH。
3. 设置 Ollama：

   ollama pull llava
   # 或者 llama3.2-vision
   

4. 运行：
   配置相应的环境变量后执行 ./montscan。

应用场景

• 家庭办公自动化：将家用多功能打印机扫描的账单、信件自动分类并重命名，存入 NAS 或云盘。
• 企业文档归档：通过 FTP 接收部门扫描仪的文件，利用 AI 提取关键信息（如发票号、日期）进行标准化命名和归档。
• 隐私优先的处理：所有数据处理均在本地或通过私有网络完成，无需将敏感文档上传至第三方云端 OCR 服务。

故障排除小贴士

• AI 命名失败：检查 Ollama 是否正常运行 (ollama list) 且已拉取视觉模型。Montscan 会在 AI 失败时自动使用 scan_YYYYMMDD_HHMMSS.pdf 格式作为备份。
• FTP 连接问题：确保防火墙允许端口 21 及被动模式端口范围（默认 21000-21010）。
• PDF 转换错误：确保 pdftoppm 或 convert (ImageMagick) 已在系统 PATH 中可用。