什么是 Docling？

Docling 是一个开源项目及工具，用于将文档转换为可供大语言模型（LLM）使用和学习的结构化数据。 

大多数企业组织数据都存储为 AI 难以读取和提取数据的文件格式。要想在检索增强生成（RAG）、微调或代理式 AI 等工作流中使用这些文档，需要将其转换为 Markdown、纯文本或 JSON 等格式。

简而言之，Docling 是生成式 AI 的文档处理伙伴，能够弥合标准文档格式与以机器为中心的数据需求之间的鸿沟。 

探索红帽 AI

YouTube 视频： Docling 如何将文档转换为 AI 可用的数据（12:22）

Docling 可确保 AI 能够使用 PDF、演示文稿、电子表格、音频和视频等各种文件，生成更准确、更透明的结果。Docling 不仅能够提取文本，还能理解文档布局、层级结构，以及多页表格、图像、项目符号和标题等复杂元素。 

Docling 在转换文件时，能够将杂乱的多格式文档转变为 LLM 可读的清晰知识管道，从而简化数据准备工作。它借助深度学习算法保留文档结构，解决了输入质量决定输出质量的现代 AI 工作流中的“垃圾进、垃圾出”困境。 

Docling 可将 PDF（便携式文档格式）、DOCX（Microsoft Word 文档）、XLSX（Excel 电子表格）、PPTX（PowerPoint 演示文稿）、HTML 等文件转换为更方便 AI 处理的格式。

进一步了解 Docling 的文档处理能力

Docling 与 RAG

RAG 系统若要生成准确的结果，需要能够访问数据及其上下文信息。在 Docling 出现之前，系统从文档中提取数据时很难保留其原有布局，比如列和行可能错乱，脚注也可能与所属段落分离。Docling 能够保留文档结构，从而减少幻觉现象，确保 RAG 系统输出更相关的内容。 

Docling 与微调

微调需要干净整洁、格式一致的文本示例。随机页码、重复出现的页眉和错误换行等问题可能会导致数据摄取混乱，产生输出错误。Docling 就像一个自动化数据清理引擎：它能去除视觉干扰元素，生成整洁有序的数据供模型摄取。 

了解 RAG 与微调的对比

Docling 与 MCP

模型上下文协议（MCP）是一种开源协议，可实现 AI 应用与外部服务之间的双向连接和标准化通信。它就像 LLM 与其他工具之间的通用翻译器。 

Docling 的官方 MCP 服务器（用于转换文档的组件）可以接入您常用的 MCP 客户端（例如 Claude Desktop、LM Studio 或 Cursor 等请求访问外部数据或资源的 AI 应用），让您的应用能够利用 Docling 能力，从文档中提取信息并转换数据。无论您使用哪个 LLM 或代理，只要它支持工具调用，您就可以使用 Docling MCP 服务器。 

Docling 会按照统一的处理流水线逐步解析每份文档：

1. 将原始 PDF 文件输入 Docling。
2. Docling 解析文档，将其拆解以识别不同部分的内容。此时，Docling 会将大号加粗文字识别为标题，将一段文字识别为段落，将数字网格识别为表格。在这一布局分析过程中，每个部分会被标注一个 DocTag，这是一种 AI 可读的专用代码。 
3. 流程会依次执行应用光学字符识别（OCR）、表格结构识别和进一步的布局分析。这部分流水线支持自定义，您可以添加或替换模型，并配置更多参数。 
4. Docling 会汇总整个处理过程中获取的信息，生成文档的数字化文件夹。随后，后处理模型会对文档进行优化，将各部分内容整理成一个整洁的 Markdown 或 JSON 文件。这个最终生成的文件便是 Docling 文档。 

Docling 支持 OCR 和扫描文档吗？

支持，Docling 完全支持 OCR 技术。该技术能够将图像或文本转换为可编辑、可搜索且机器可读的数据。OCR 通过分析图像中的明暗区域来识别字母和数字。例如，如果拍摄并上传一张收据照片用于费用报销，OCR 可以读取其中的数字。

Docling 与 OCR 的对比 

OCR 铺好了路，Docling 才能奔跑。Docling 以 OCR 为基础，并具备更先进的能力。 

OCR 专注于将像素转化为文本。它能识别数字和字母，但对文档布局、层级结构和格式的理解能力较弱。例如，它有时会混淆表格中的行和列。 

Docling 在 OCR 功能的基础上更进一步，它能深度解析文档，对布局、层级结构和格式有很强的理解力。Docling 能够识别标题、段落、图表、表格、公式和列表，并在输出为 Markdown 或 JSON 文件时保留原有的组织结构。 

当需要提取原始文本时（比如文档是模糊的复印件或手写笔记），Docling 会使用 OCR 技术进行处理。 

Docling 可以本地运行吗？

可以。Docling 默认完全在您自己的机器上本地运行。由于数据从不离开您的设备，您可以放心地用 Docling 解析敏感文档。Docling 的本地运行能力对降低成本尤其有帮助。因为它使用的是计算机硬件，而非云端处理工具，即使向 Docling 输入数千页文档，也不会产生按月累积的云计算费用。

Docling 适用于隔离环境吗？

是的，Docling 在高度安全的隔离环境中表现良好。不过，您需要先通过互联网下载 Docling 的 AI 模型，将其传输到您的安全网络，然后将 Docling 设置为以“离线模式”运行。一旦设置完成，您就拥有了一个与外界完全隔离的企业级文档解析工具。

Docling 最初由 IBM Research 开发，作为内部工具使用。2025 年 4 月，IBM 将 Docling 捐赠给了 Linux® 基金会旗下 AI 与数据基金会。这意味着 Docling 可免费使用、供应商中立，并将在全球开源社区的贡献下不断发展。

Docling 使用起来安全吗？

Docling 是 Linux 基金会项目体系的一部分，由其提供法律保护，并部署了网络安全工具，持续扫描代码中的漏洞。有了这种法律与技术上的双重安全保障，即使是医疗卫生和金融等监管严格的行业，也能安心无忧地使用 Docling。

任何文档分散凌乱的企业组织都可以通过使用 Docling 受益。可以考虑以下用例：

金融与财务
许多季度财报、监管申报文件和各类表单都包含多栏文本和大型表格。Docling 可以自动提取财务数据，将表格单独识别并转换为 Markdown 表格。分析师无需再耗费几个小时，将数字手动复制粘贴到电子表格中，而是可以利用 AI 代理读取 Docling 文档输出，并即时计算各项指标。

法律文档分析和证据检索
律师事务所和法律部门需要管理成千上万份合同、档案和文件，其中很多包含扫描图像、脚注和边注，这些内容常常让标准文本阅读器产生混淆。Docling 能够精细追踪文档层级结构，确保脚注始终与其原文句子对应，且上下文连贯通顺。这提高了输入 RAG 系统的数据质量，让律师能够通过 AI 聊天界面提出复杂问题并获得准确答案。 

科学研究
制药公司和研究机构需要及时掌握数千种科学期刊、医学白皮书和专利申请的最新信息，以加速研发进程。Docling 能够处理复杂的多栏学术文献、分析数学公式，并将图表与图注正确匹配。这为微调特定领域的 LLM 提供了更精准的训练数据。因此，医疗 AI 工具可以同时扫描数百万页研究资料，以识别药物相互作用或化学结构中的新规律。

政府和国防机构
政府部门需要处理高度机密的操作手册、合同和文件，这意味着他们无法将这些文件上传至 ChatGPT 等公共云 AI 服务进行分析。Docling 支持本地运行和隔离环境，让政府机构能够构建安全至上的内部 AI 工具，在保护机密数据的同时扫描并提取关键技术信息。 

借助红帽 AI 实现模型与数据互联

在下载 Docling 之前，请确保已在您的计算机上安装 Python，并有足够的硬件空间来存储 Docling 的 AI 布局模型以及开源深度学习框架 PyTorch。 

准备工作完成后，只需一条终端命令即可下载 Docling。 之后，您可以将它连接到您常用的 AI 聊天界面，然后直接将文档拖放到聊天窗口，Docling 就能立即开始工作。

要真正体会 Docling 的简便性，有必要了解一下过去从多格式文档中提取数据有多耗时。整个过程需要编写数百行代码来指导处理逻辑，例如：“如果文件后缀是 .pdf，执行 A 操作；如果包含图像，执行 B 操作。”得益于 Docling 和 MCP，这一过程已大幅简化。

如何利用 MCP 为 Docling 构建代理式应用

红帽® AI 旨在通过 vLLM 驱动的服务器实现快速、灵活且高效的推理。它将模型与数据进行可靠连接，在单个平台上统一实现专业代理的自定义和开发工作。红帽 AI 与 Docling 强强联合，提供将复杂文档转化为实用情报所需的工具。两者都建立在开源基础之上，让您能够端到端全方位掌控任意规模的 AI 工作流。 

红帽 AI 产品组合包含红帽 AI Enterprise：这是一个用于在任何基础架构上部署、管理和扩展 AI 推理、代理式 AI 工作流和 AI 赋能应用的平台。

探索红帽 AI