PaddleOCR 做底子：一柜子旧合同变成能搜的表格，小团队怎么接这活

前阵子有位读者问我，他们公司搬家翻出十几箱旧合同和送货单，老板说“能不能弄成电脑里能搜的”。他第一反应是买台扫描仪加个 OCR 软件，三千块搞定。两周后他放弃了：扫描件确实能搜，但搜出来是错位的表格和乱码，业务部门还是照旧翻纸箱。

这类活一直有人干，过去叫“档案数字化外包”，报价不低、周期也长。OCR 把人力成本压下来之后，小团队接这种活的窗口才真正打开。不过有件事要先摆正：客户要的是“我想找 2021 年跟某某厂那份补充协议，半分钟内翻出来”，不是你的识别率有多高。

一、别只卖 OCR，卖一份能查的目录

纯识别出来的文本，对业务方几乎没用。有用的东西是结构化信息：

• 文件级：档号、年份、类型、甲乙方、金额、签订日期、保管期限
• 页级：页码、是否盖章、是否缺页、附件在哪几页

所以交付物应该是一张 Excel 索引表，加上按档号重命名、按箱分文件夹的 PDF。客户打开表格筛选“2022 年、采购类、金额大于十万”，点一下就跳到对应文件。识别只是中间一步，字段抽取和目录结构才是你报价的理由。

二、流水线里必须留人工口子

比较稳妥的流程是：扫描规范（300dpi、拆装订、正反面对齐）→ 图像预处理（纠偏、去黑边）→ OCR → 字段抽取 → 人工校对 → 抽检 → 交付。其中两处不能省：金额、日期、证件号这类关键字段，必须有人过一遍；交付前按箱抽检，抽检不合格就整箱返工。

也别为了拿单承诺“100% 准确”。手写体、复写纸、骑缝章的识别效果本来就有限。合同里可以写清抽检标准和返工方式，别写赔偿条款，否则一箱出问题，赚的这点钱都不够填。

三、报价与第一批客户

计价一般分两段：基础扫描识别按箱或按千页计，字段抽取按“档”加价，因为不同档案要抽的字段不一样。谈之前先免费做五十页样本，让对方看到自己的合同被整理成什么样，比讲十页方案有用。

去哪儿找人？代账公司的客户手里基本都堆着票据和合同；律所行政常年被卷宗淹没；物业公司有业委会文件和维修基金材料；老制造业的行政部、行业协会的档案柜，都是同一类需求。从“帮朋友整理一百页”开始，跑通一遍流程，你才知道自己一小时能处理多少页，报价也就有底气了。

最后提醒一句：这类活会接触到合同金额、身份证号、联系方式，签保密协议、项目结束不留存原始文件，是接单的前提，不是加分项。涉及个人信息的部分建议先脱敏再处理，具体边界可以请对方合规人员确认。

谁适合先试

有耐心做交付、能接受“半自动 + 人工复核”的人，比追求全自动工具的人更适合。第一步别急着买设备，用自己家或朋友的一百页旧文件跑一遍，把耗时、错识率和人工校对成本记下来，再决定要不要对外报价。