ChunkyTortoise/docextract 开源：双阶段 Claude 提取管线把 PDF 发票账单转为可搜索结构化记录

开源项目 docextract 将发票、收据、银行流水等 PDF 或扫描件转为经过校验、可搜索的结构化记录，采用 FastAPI、双阶段 Claude 提取管线、pgvector 与 Agentic RAG。每次触及提示词或提取器的 PR 会对 28 个提交的预测 fixture 做离线重放评分，加权字段级得分 95.5%，低于 0.85 底线或较基线下降超过 0.03 时 CI 失败；离线重放不重跑提取器，提示词与模型回归需依赖配置 API key 后的付费实时评测。项目另含 200 例评测编写语料、20 份 ADR、提示词注入防御与 PII 脱敏，MIT 许可。