Agent Skills
返回列表
📁

Docling 文档解析与转换

办公效率 更新于 2026.08.29

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md，安装 @user_3c6cb52e/docling-document-parsing-and-conversion。

技能介绍

核心问题

PDF、扫描件等文档是企业知识和个人资料的常见载体，但这类文件的非结构化特性导致工程师难以直接喂给大模型或检索系统：手动提取的文本常出现格式错乱、表格碎片化、图像文字缺失等问题，既耗时又无法满足下游任务的精度要求。

技能如何工作

该技能基于Docling开源工具包，针对AI系统的结构化需求设计核心能力：

  • 高级PDF解析：自动识别文档中的标题层级、段落逻辑、表格行列关系，保留原文档的信息结构；
  • OCR增强：对扫描件、照片型PDF中的模糊、倾斜文字做识别，提取可编辑的文本内容；
  • 多格式导出：将解析结果转换为JSON、Markdown、Plain Text等结构化格式，适配不同的模型输入和检索系统需求；
  • 框架集成：提供MCP服务器，可直接对接agent应用或RAG检索框架，无需额外适配层。

适用边界与注意点

  • 需使用Python 3.10及以上版本，3.9版本已不再支持；
  • 对于艺术字、手写体或严重遮挡的扫描件，OCR准确率可能下降；
  • 复杂嵌套表格的解析结果可能存在轻微格式偏差，需下游任务做二次校验。

使用场景

  • 法务同事拿到一批扫描版合同，需要批量提取正文与表格字段，用于后续 RAG 检索。
  • 科研人员下载了多篇论文 PDF，想保留标题层级、公式和图表说明，导出 Markdown 给大模型总结。
  • Agent 应用要读取本地 PDF 和图片型文档，通过 MCP server 获取结构化 JSON 后再决定下一步动作。
  • 数据分析团队收到混合格式的票据扫描件，希望先 OCR 提取关键字段，再统一导出 JSON 进行对账。

适合人员

  • 后端工程师，正在为 AI 产品接入 PDF 到结构化 JSON 的转换链路。
  • RAG 工程师，需要把论文和技术文档解析成可检索片段并保留表格结构。
  • Agent 应用开发者，希望通过 MCP server 让模型稳定读取多格式本地文档。
  • 数据标注负责人，要把扫描票据中的关键字段批量转成 JSON 供后续核验。