办公系统导入旧数据：用OCR+小模型抽元数据

新OA、新知识库一上线，最容易被低估的其实是历史附件迁移。

共享盘里十几年的合同、审批件和扫描件，格式乱、权限乱。直接复制进新系统，表面全搬过来了，实际会留下三个坑：搜不到、认不出、谁都能看。

正确的做法，是把附件当成“业务对象”来迁。先建台账记录来源和哈希，过一遍病毒扫描与图像去噪。接着用OCR加版面分析，把标题、表格、印章框出来。最后让小模型抽字段，大模型补摘要，统一吐成JSON。

校验按置信度分流：高置信自动过，中置信人工复核，低置信退回重解析。去重做三层——文件哈希、文本指纹、向量相似度。权限从AD/LDAP同步，老目录权限不照搬，密级和最小权限重新映射。

导入优先走官方OpenAPI，千万别直写生产库。入库后建全文加向量双索引，检索时先按身份过滤权限，再排相关度。最后分批切流并行试运行，每一步留痕可回滚。