Docling Vibe 项目

项目简介

Docling 是 IBM Research 苏黎世团队发起、现由 LF AI & Data 基金会托管的一款开源文档智能工具包，目标是「让文档为生成式 AI 做好准备」。它能把 PDF、Office 文件、HTML、图片、音频等五花八门的格式统一解析成结构化的机器可读数据，并且默认全部在本机离线运行——不需要注册账号，不需要上传文件，也不依赖任何专有 SDK。

大多数文档解析工具在遇到双栏排版、跨页表格、扫描件或公式时都会败下阵来，最终交给你一堵没有结构的文字墙。Docling 的差异在于它同时解决了版式理解、阅读顺序还原、表格结构识别、公式与代码提取、OCR 与图像分类等一连串难题，并把所有结果收敛到统一的 DoclingDocument 数据模型里。对正在搭建 RAG 或 Agent 知识库的开发者来说，这意味着检索质量的底层输入被显著改善。

核心功能

• 多格式统一解析：支持 PDF、DOCX、PPTX、XLSX、HTML、EPUB、Markdown、LaTeX、纯文本，以及 PNG/JPEG/TIFF 图像、WAV/MP3 音频、EML/MSG 邮件等格式。
• 高阶 PDF 理解：还原页面版式、阅读顺序、表格结构、代码块与数学公式，并可对图文做分类标注。
• 统一文档模型：所有输入格式最终收敛为 DoclingDocument 这一种表达，方便应用程序只针对单一数据结构编写。
• 多格式导出：可随时输出 Markdown、HTML、JSON、WebVTT、DocLang 等格式，且不需要重新解析原始文件。
• OCR 与视觉模型支持：对扫描件与图片提供完整 OCR 能力，并支持 GraniteDocling 等视觉语言模型。
• 本地离线运行：模型下载一次后缓存，之后转换全程离线，敏感数据与内网环境同样适用。
• 生态即插即用：官方提供 MCP 服务端、API 服务（docling-serve）与命令行工具，可与 LangChain、LlamaIndex、CrewAI、Haystack 等框架直接对接。

技术实现

Docling 的核心是一条由多个模型层组成的文档转换流水线。文档进入后，先由版式分析模型识别页面上的各类元素区块（标题、正文、表格、图注、页眉页脚等），再由阅读顺序模块重建人类实际阅读的先后次序——这一点对双栏论文尤为关键，没有它文本就会在左右栏之间交错串行。随后表格结构模型负责把表格还原成行列分明的结构化数据，公式与代码分别走专门的处理分支。

在输出侧，所有中间结果被写入 DoclingDocument 这一统一数据模型，其中保留层级结构、版面坐标、表格内容、图片引用以及来源溯源信息，因此转换之后仍能回答「这段文字原本在文档的哪个位置」这类问题。由于架构上把「解析」与「导出」解耦，同一份文档可以按需导出为 Markdown、JSON、HTML 或 DocLang，而不必反复跑一遍模型。项目采用 MIT 许可，要求 Python 3.10 以上，安装只需一条 pip 命令，官方也提供了 MCP 服务端与 docling-serve，方便把它嵌入 Agent 工作流或作为独立服务对外提供接口。

快速上手

1. 安装依赖：执行 pip install docling，首次运行会自动下载并缓存所需模型。
2. 编写转换脚本：从 docling.document_converter 引入 DocumentConverter，实例化后调用 convert 处理目标文件。
3. 导出结果：通过 result.document.export_to_markdown() 等方法输出 Markdown、JSON 或 HTML。
4. 命令行直接转换：也可使用 CLI，例如 docling report.pdf --to md --to json 一次产出多种格式。
5. 接入 Agent 或服务：按需启用内置 MCP 服务端，或用 docling-serve 把转换能力部署成 HTTP API 供团队调用。

适用人群

• RAG 与知识库开发者：需要把企业文档批量转成高质量结构化语料、提升检索准确率的工程师。
• 数据科学家与研究人员：要处理大量学术论文、财报、专利等复杂版式文档的分析人员。
• 企业 IT 与合规部门：数据不能出内网、必须本地处理文档的组织。
• AI Agent 开发者：希望为 Agent 接入稳定文档解析能力、走 MCP 标准协议的工具开发者。
• 开源技术爱好者：关注文档智能前沿、愿意本地动手试验模型效果的用户。

官方链接

• 官网：https://docling.ai/
• 开源仓库：https://github.com/docling-project/docling
• 使用文档：https://docling-project.github.io/docling/
• 来源：tophub.today（GitHub Trending Today）