docling-project/docling

它是什么

Docling 是 IBM 开源的高精度文档解析工具，专为生成式 AI 场景设计，能把 PDF、DOCX、PPTX、XLSX、HTML 等格式统一转换为结构化 Markdown 或 JSON。

核心亮点

• 支持版面分析、表格识别、阅读顺序还原与 OCR
• 输出干净 Markdown，可直接喂给 RAG 或 LLM 流水线
• 与 LangChain、LlamaIndex 等生态无缝集成
• 纯 Python，MIT 许可，可本地离线运行

为什么火

RAG 落地的最大痛点在于文档预处理，Docling 恰好补上这块拼图。6.7 万星标说明它已成为文档解析事实标准之一，今日仍有近百新增 star，热度持续。

适合谁用

构建 RAG 应用的开发者、需要批量处理 PDF 的数据团队，以及做文档智能的研究者。

快速上手

pip install docling
docling myfile.pdf

即可得到结构化 Markdown 输出。