Beacon

灯塔的意义不在于照亮，而在于提前预警——在船触礁之前，让危险被看见。Beacon 做的是同一件事：在证件过期造成损失之前，把它找出来。

上传一份含书签的人员证件汇编 PDF（特种作业证、健康证明、资格证书……），Beacon 会自动 OCR 识别每一页、提取有效期字段，并按你设定的截止日期把所有证件分成四类：截止日内到期 / 临近到期 / 需要复核 / 有效，最后生成一份可搜索、可展开证据、可下载的审计报告。

相关项目：Trawl —— 法律文书结构化取证台。

• 📄 一份 PDF 进，一份报告出：拖入证件汇编 PDF、设定截止日期，三步开始检查
• 🔍 云端 OCR：PaddleOCR-VL 异步逐页识别，实时进度反馈（巨幅百分比 + 五阶段步进）
• 🗂 四分类审计：截止日内到期（含当天）/ 45 天内临近到期 / 无法解析需人工复核 / 有效；「长期」证件永不过期
• 🧾 证据可追溯：每条结果附带 OCR 字段片段与上下文原文，展开即查，支持全文搜索
• 🛡 容错识别：针对 OCR 常见错字（如「史用效期」「有贿限」）的鲁棒正则规则库，规则更新后旧任务可一键重新分析（不重复计费）
• 📥 产物下载：matches.csv / result.json / ocr.txt 随报告提供
• 👥 多用户与配额：管理员管理成员，上传流量 / OCR 任务数 / OCR 页数按日配额
• ☁️ 无服务器架构：整站运行在 Cloudflare Workers 上，D1 存历史、R2 存产物，零运维

浏览器 ──① 创建任务──▶ Worker API ──② PDF 直传──▶ R2
   │                                              │
   └──③ 轮询进度（轮询即引擎）──▶ PaddleOCR 异步解析 ◀─┘
                    │
                    ▼
        ④ 有效期抽取 → 四分类 → 报告与产物写入 R2 / D1

管线由客户端轮询驱动，没有后台队列与常驻进程——状态轮询本身就是推进器，天然契合 Workers 的无状态模型。

• 前端：Next.js 16 App Router + React 19 + Tailwind CSS 4（CSS-first，单一浅色纸感主题）
• 部署：OpenNext → Cloudflare Workers，自定义域名
• 存储：Cloudflare D1（任务历史 / 用户 / 配额账本），R2（PDF 与审计产物）
• OCR：PaddleOCR-VL 云端 API（异步任务制）
• 认证：自研 Cookie 会话（PBKDF2 + WebCrypto），无第三方认证依赖

cd web
npm install
npx wrangler d1 migrations apply pdf-audit-db --local   # 初始化本地 D1
AUDIT_OBJECT_STORE_DRIVER=r2-binding AUTH_BOOTSTRAP_TOKEN=<自定义> npm run dev

npm test           # vitest 单元测试（分析器规则、配额、上传会话等）
npm run lint       # ESLint 9
npm run build      # next build 快速校验
npm run cf:build   # Workers 兼容性门禁（必过）

首个管理员通过 POST /api/auth/bootstrap（携带 AUTH_BOOTSTRAP_TOKEN）创建；本地 Miniflare R2 不支持流式上传，完整管线需在部署环境验证。

cd web
env -u CLOUDFLARE_API_TOKEN npm run cf:deploy            # 浏览器 OAuth 部署
npx wrangler d1 migrations apply pdf-audit-db --remote   # 迁移需手动应用
npx wrangler secret put PADDLEOCR_API_TOKEN              # 及其他密钥

MIT © can4hou6joeng4