Docling Graph 文档知识图谱转换

你要解决什么问题

常规文档解析工具返回的是文本块、版面坐标和表格结构，它们回答的是“文档里有什么”，而不是“谁和谁有关系”。当你的任务是构建风控知识库、做合规溯源，或者给某个垂直领域建实体关系图时，你需要的是精确的知识抽取，而不是又一次泛化的文档理解。

这个技能面向的场景就是后者：把文档内容落成受 schema 约束的实体和图关系，让抽取结果可校验、可追溯。

它是怎么工作的

核心链路可以拆成三步：

1. 输入归一化：交给 Docling 处理源文档，支持 PDF、图片、markdown、Office 文档、HTML 等格式，先完成版面解析和内容结构化。
2. Schema 约束抽取：LLM 的输出默认被 schema 强制约束，实体类型和关系类型必须符合你预设的定义，而不是模型自由发挥。如果需要，可以通过 CLI 或 API 显式关闭该约束。
3. 轨迹留存：导出调试信息，用于检查抽取过程和 fallback 诊断，出问题时能定位是解析环节还是抽取环节。

适用边界与注意点

• 定位是精确知识抽取，不是通用文档解析。如果你只想要表格和段落，直接用 Docling 就够了。
• schema 约束默认开启，意味着你需要先想清楚实体和关系的定义；定义模糊会导致后续校验失败或实体膨胀。
• 远程 LLM 抽取需要模型供应商凭证，属于可选依赖。如果环境无法访问外部模型，这条路径就走不通。
• 上游对 Python 版本有要求（Python 3.10+），环境不满足时安装阶段就会失败。
• 调试导出是排查手段，不是生产数据通道，不要把 fallback 诊断日志直接暴露给终端用户。