#WorkBuddy #AI办公 7万条维权线索怎么管？一个本地部署的检索系统就够了

FastAPI + SQLite + RapidOCR 离线识别，从零搭建维权线索管理系统 一个真实落地的本地部署方案：Excel 线索自动解析入库 + 营业执照 OCR + 全文检索 + 多账号协作，已稳定承载 6.9 万+ 条线索、381 份文件、3748 张证照截图。

一、这篇文章要解决的问题

如果你是做诉讼维权方向的团队，大概率会遇到这样的场景：

• 电商平台上盗版图书泛滥，每天有大量的「线索排查表」以 Excel 形式流转；
• 线索表里有店铺名称、盗版经营公司、商品链接、销量、盗版售价，还内嵌了营业执照/出版物经营许可证的截图；
• 团队 2~10 家，需要多账号协作，但线索分散在各自电脑里，查一条店铺的历史记录要翻十几张表；
• 想检索「某家店是否重复侵权」「某家公司名下有多少个店铺」，纯靠 Excel 的 Ctrl+F 几乎不可能。

这些问题，本质上是「非结构化的离线表格数据」无法被统一检索和追溯。本文给出一个轻量、零外部依赖、可单机跑通、可平滑上云的解决方案——维权线索管理系统。

本文所有代码与方案均为真实生产实践，非 demo。文末附完整技术架构与避坑清单。

二、技术选型：为什么是这套组合

核心原则只有一条：本地优先、离线优先、可控优先。维权数据涉及商业敏感信息，不适合直接丢给云端 OCR 服务或第三方数据库。

三、系统架构总览

整条数据链路是这样的：

四、核心模块实现

4.1 Excel 解析：兼容两行表头、换行、合并单元格

维权线索表往往不是规整的「一行表头 + 一行数据」，实际会碰到：

• 两行表头（如第一行是「店铺信息」，第二行才是「店铺名称」「平台」）；
• 表头含换行符；
• 合并单元格。

为此，系统内置了一张「字段别名映射表」，例如「店铺名称」列，能自动匹配 店铺名称 / 店铺 / 店名 / APP名称 等多种写法；「盗版经营公司」匹配 盗版经营公司 / 经营主体 / 经营公司。未映射的列不会丢，统一保留在「原始数据」字段里，同样可被检索。

关键设计：.xls 老格式文件先复制副本再转换，绝不改动用户的原始文件——维权证据文件一旦被污染，后果不堪设想。

4.2 OCR 识别：离线提取证照文字

表格里内嵌的营业执照截图，是整个线索里最有价值的字段之一——它能直接锁定侵权主体。系统在解析时自动提取这些内嵌图片，交给 RapidOCR 做离线识别：

• 识别文本作为独立字段入库，可被关键词检索（例如直接搜统一社会信用代码或公司全称）；
• OCR 放在后台线程执行，不阻塞主流程，大量图片时每张约 1~3 秒；
• 识别结果支持在详情页人工修正，修正记录带标记。

4.3 文件监控：从「手动导入」到「拖进文件夹即入库」

这是体验提升最明显的一环。配好监控目录后，团队只需把新的线索表丢进指定文件夹，系统自动：

1. 检测到新增/修改文件；
2. 解析入库；
3. 后台跑 OCR；
4. 全流程无需任何手动操作。

监控目录支持两种形态：本机路径直接填；同事电脑的文件夹先设 Windows 共享，再填 \\IP\共享名 网络路径，系统会自动切换为轮询监控。

4.4 全文检索：多关键词 AND 组合

检索是这套系统的灵魂。支持：

• 输入店铺名 / 经营公司 / 图书名 / OCR 文本关键词，秒级返回所有关联线索；
• 多关键词用空格分隔（AND 逻辑），例如 某出版社 拼多多 一次定位到指定平台上的侵权店铺。

4.5 账号权限：多角色协作

所有接口需登录（JWT）。两种角色：

• admin：可添加团队成员账号、管理监控目录；
• viewer：只读查看与检索。

满足 2~10 人团队的分工与数据隔离需求。

4.6 文件比对模块

针对「同一份线索表反复更新」的场景，提供文件比对能力：比对结果统一导出到指定的「比对·团队处理」区域，方便团队对增量线索做集中处理。

五、快速启动与部署

5.1 依赖

5.2 启动

5.3 三种部署形态

六、踩过的坑（血泪经验，务必看）

1. .xls 图片提取依赖本机 Excel（COM 组件）：如果解析环境没有 Excel（如 Linux 云服务器），.xls 只导入数据、不提取图片，可装 LibreOffice 替代。
2. 监控目录路径必须是「运行服务器这台电脑」能访问到的：填本机路径或 \\IP\共享名 网络共享路径，别填成别的电脑的本地路径。
3. OCR 有延迟：后台线程识别，大量图片时需要耐心，别以为「卡住了」。
4. 警惕工作目录被清理：如果一开始把服务部署在临时/会话目录，目录一清理服务就没了。务必部署在独立数据盘（如 D 盘），并配好开机自启动，避免重启后系统不可用。
5. 及时改默认密码：多账号协作前先改密、再分配角色。

七、这套方案能复用到哪些场景

本文的「文件监控 → 解析入库 → OCR → 全文检索 → 多账号协作」架构，本质是一个通用离线文档智能检索引擎，稍作改造即可复用于：

• 合同/票据批量归档检索；
• 工商登记信息批量核对；
• 证照、资质文件的统一管理与 OCR；
• 任何「一堆 Excel 需要被统一搜」的办公场景。

八、写在最后

这套系统的价值不在用了多「炫」的技术，而在于把一个高频、重复、易错的维权排查流程，变成了「丢文件进去就能查」的自动化闭环。从线索的稳定运行来看，SQLite + FastAPI + 离线 OCR 的轻量组合，完全扛得住中小团队的真实业务量。

如果你也在做类似的版权保护或数据治理工作，欢迎交流。文中的字段映射、OCR 离线化、网络共享监控这三处，是踩坑后反复打磨出来的，希望能帮你少走弯路。

（本文为真实项目实践整理，涉及的具体账号、目录、数据规模均为实际运行数据。）