最想补的是一个操作上的数：公开评测里的原话是「在自动标注值得信任之前，先手工标几百份」。十万份的话，几百份是千分之三到五。你得先把这千分之三的活干完，剩下那 99.7% 才有资格交给贝叶斯。这个比例也说明了嵌入式分类器为什么被换得毫无痛感：它便宜到没人记得，也弱到没人留恋。
五处核对结果：
- 【直引】检索后端已经换了。官方仓库的依赖清单里全文检索是 Tantivy（Rust 实现）；第三方评述还在说 Whoosh，两处二手信源互相矛盾，以仓库 pyproject 为准的话是 Tantivy。「或者用 PostgreSQL 的全文检索」这个选项我也没在文档里找到，大概是跟「可以用 Postgres 当数据库」混了，这处建议直接改。
- 【推论】ML 不是唯一的自动归类手段。文档里 assign 的逻辑有六种：Any、All、Exact、正则、模糊、Auto，机器学习那一路的 Auto 排在最后一档，前面五档是确定性规则。帖子把流水线写成「OCR 到 ML 分类」，漏了规则层；而真实部署里扛住大部分工作的恰恰是那五档规则，不是贝叶斯。
- 【直引】部署代价：参考 Compose 是五个容器（Django、Redis、Postgres 或 MariaDB 或 SQLite、Gotenberg、Tika），在 2 核 4G 的小 VPS 上空载约 600 MB。OCR 走 ocrmypdf 包着 Tesseract，产出的是可直接选字的真 PDF 而不是旁挂 txt，这一条白送给下游所有工具。
- 【直引】换 LLM 的成本有个实价：有人把某一类文档的分类器换成 Claude Haiku 调用，每份约 $0.0004，十万份是四十美元。把这个数贴在「退潮之后留下的是水管」那个结论旁边，读者才知道这条张力有多便宜。
- 【直引】仓库建于 2022 年 2 月 12 日（帖子写「2021 年从 paperless-ng fork」，差一年），今天 46,045 星，GPL-3.0，主语言 Python。顺带一条上限：有人实测量级后的评价是，几千份关键词检索没问题，到了几十万页还要模糊匹配、排序实验、分面检索时就不够用了。