Docling AI 文档智能处理流水线

它解决什么问题

大模型本身读不了 PDF。你把一份扫描合同、一叠 PPT 或几张表格喂给模型，它要么只能看到一堆乱码，要么在跨页表格和复杂排版上频繁出错。Docling 要补的正是这一环：把异构文档解析成模型真正能用的结构化数据——保留层级、表格结构和阅读顺序，而不是一坨纯文本。

核心能力与工作流程

Docling 是 IBM 支持的开源工具包，覆盖的输入类型相当广：PDF、DOCX、PPTX、XLSX、HTML、图像、音频和 LaTeX。解析时有几个关键步骤：

• 版面理解：识别文档的视觉结构——标题、段落、图表、多栏布局，保留原始阅读顺序。
• OCR：对扫描件和图片型 PDF 做文字识别，把图像里的文字还原为可检索文本。
• 表格提取：把表格解析成结构化数据（如 Markdown 或 HTML 表格），而不是把单元格挤成一行文字。
• 格式输出：统一转换为下游 LLM 工作流可用的结构化格式，可直接对接 LangChain、LlamaIndex、CrewAI 等编排框架。

此外它提供了 MCP 服务器，可以接入 agent 应用——也就是说文档解析这一步本身可以作为一个工具被智能体调用。

适用边界与注意点

• Python 版本：从 docling 2.70.0 起不再支持 Python 3.9，需要 Python 3.10+，升级前先确认你的运行环境。
• 复杂版面：手写体、严重倾斜的扫描件或跨页断裂表格仍可能出错，关键场景建议人工抽检解析结果。
• 音频输入：支持但能力有限，复杂音频场景可能需要预处理。
• 上游依赖：本技能源自社区维护的 skill 仓库，文档和能力以 Docling 上游项目为准，使用前建议核对上游 README 了解最新状态。