简介
Docling 是由 IBM Research 苏黎世实验室 AI for knowledge 团队发起、现由 LF AI & Data 基金会托管的 MIT 开源文档处理工具，用来把各种文档转成生成式 AI 好用的结构化数据。它支持 PDF、DOCX、PPTX、XLSX、HTML、EPUB、苹果 Pages/Numbers/Keynote、图片（带 OCR）、LaTeX、邮件、音频（WAV/MP3，语音识别）、视频以及 XBRL、JATS、USPTO 等专业格式；对 PDF 能理解页面版面、阅读顺序、表格结构、公式、代码和图片分类。结果统一成 DoclingDocument，可导出 Markdown、HTML、DocTags 和无损 JSON。除了传统流水线，还可以用 IBM 的 GraniteDocling 视觉语言模型（258M）做端到端转换。可在本机或隔离网络里运行，适合处理敏感数据。安装用 pip install docling（Python 3.10 及以上），命令行一行 docling 文件或网址即可转换；同时提供 Python API、API 服务器 docling-serve，以及 MCP 服务器（uvx 运行 docling-mcp 包里的 docling-mcp-server），可接入 Claude Desktop 等智能体客户端，并与 LangChain、LlamaIndex、Crew AI、Haystack 集成。技术报告见 arXiv 2408.09869。GitHub 约 7 万星，最新版本 v2.146.0（2026-11-03 发布）。官方来源：https://docling-project.github.io/docling/ 、https://github.com/docling-project/docling 、https://www.ibm.com/products/docling （2026-11-04 核对）。 定价：开源版免费。IBM 托管版 Docling for IBM watsonx 按资源单位（RU）计费，1 RU 等于 1,000 页或对象（或 5,000 万字符）；按量付费起价每 RU 4.36 美元，订阅版起价每 1,000 RU 每年 3,999.60 美元，提供免费试用。
- 多格式解析｜支持 PDF、Office、HTML、EPUB、图片、LaTeX、邮件、音视频等几十种输入格式。
- 深度理解 PDF｜识别版面、阅读顺序、表格结构、公式、代码和图片分类，扫描件可走 OCR。
- 多种导出｜统一成 DoclingDocument，可导出 Markdown、HTML、DocTags 和无损 JSON。
- 视觉语言模型｜可用 GraniteDocling 等 VLM 做端到端文档转换，也可用 ASR 转写音频。
- 本地离线运行｜在本机或隔离网络中运行，敏感数据不出内网。
- 智能体与框架集成｜提供 MCP 服务器、API 服务器，接入 LangChain、LlamaIndex、Crew AI、Haystack。
