用 Docling 完成第一个小项目：完整演练
先说清楚它是什么：Docling 属于「搜索与知识库」方向的开源项目，IBM 开源的文档解析工具，可把 PDF 转为结构化格式。
与其看十篇介绍，不如完整做一个小项目，这篇带你走一遍。
项目：资料卡片整理
目标：用 Docling 完成一次「资料卡片整理」，交付一份可以直接给同事或客户看的结果。预计用时 1 小时以内。
步骤
- 阅读仓库 README 与许可证。
- 准备材料：搜索得到的十几篇资料（先脱敏）
- 复制下面的提示词，替换方括号内容。
- 第一次结果出来后，只针对一个问题追问修改。
- 按验收标准检查：每张卡片都有来源。
- 保存提示词与最终结果，写三行复盘。
把这些资料整理成卡片：每张卡片包括一句话结论、关键数据、来源和可信度评价，最后按主题分组。
复盘模板
这次任务：
节省或多花的时间：
需要人工修改的地方：
下次会改进的提示：
是否继续使用：
做完之后
可以尝试第二个任务「检索效果对比」，或者把这次的流程分享给同事一起试。
更多可以试的用法
内部文档入库
适用情况：手头有一批 PDF、Word 和网页时。
把这些文档解析为干净的文本：保留标题层级和表格，去掉页眉页脚，按章节切分，每段附上原文件名和页码。
交付前确认：切分后的段落能回溯到页码。
网页内容抓取
适用情况：手头有一组需要定期关注的网页时。
把这些网页转成 Markdown，去掉导航和广告，只保留正文、发布日期和作者；发布日期缺失时标注「未知」。
验收标准：没有臆造发布日期。
构建问答测试集
适用情况：手头有一份产品手册时。
根据手册编写 20 个用户可能问的问题及标准答案，标注答案所在章节，用来评估知识库检索效果。
交付前确认：每个答案都能在手册中找到。
常见问题：答案引用了错误段落
调整切分大小、加入重排序，并检查文档解析是否丢失标题。
常见问题：搜索结果过时
限定时间范围，或在提问中注明需要最新信息并核对发布日期。
常见问题：表格内容检索不到
换用能保留表格结构的解析工具，或单独把表格转成文本描述。
概念补充：混合检索
同时使用关键词和向量检索，兼顾精确匹配与语义理解。
概念补充：RAG（检索增强生成）
先检索相关资料再让模型作答，降低胡编概率。
适合人群：记者编辑
记者编辑可以用 Docling 处理采访整理、资料核查等工作。需要注意：事实必须多源核实，不得用 AI 生成虚构引语，遵守所在机构的 AI 使用规范。
适合人群：科研人员
科研人员可以用 Docling 处理文献检索与阅读、实验记录与数据整理等工作。需要注意：遵守期刊和机构关于 AI 使用的披露要求，引用逐条核对。
适合人群：软件工程师
软件工程师可以用 Docling 处理代码阅读与重构、测试与排错等工作。需要注意：不要把密钥和未开源代码上传到未授权工具，合并前审阅每处改动。
使用提醒
本文基于 Docling 公开的定位与通用用法编写，具体功能、套餐与可用地区以官方页面为准，产品更新后界面和名称可能变化。
涉及个人信息、商业机密或受监管数据时，先确认 Docling 的数据处理条款，再决定能否使用。