IBM 开源的文档解析工具，可把 PDF 转为结构化格式——这是 Docling 最主要的用途，也是本文讨论的前提。

看文档和设置项时遇到的术语，这里用一两句话解释清楚。

术语表

  • 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。
  • 嵌入（Embedding）：把文本转成向量，用于语义相似度检索。
  • 切分（Chunking）：把长文档拆成适合检索的小段，大小影响效果。
  • 重排序（Rerank）：对初步检索结果再次打分排序，提升相关性。
  • 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。
  • 引用溯源：回答附带原文出处，便于核对。

和 Docling 相关的补充

  • 开源项目：Docling 的产品形态，决定了安装、权限和数据存放方式。
  • 同类产品：MinerU、Marker、Unstructured。
  • 所属方向：搜索与知识库。

把概念用起来

带来源的快速调研

输入：一个需要事实支撑的问题。

请回答【问题】，每个关键结论后标注来源链接；如果不同来源说法不一，请分别列出；最后给出你认为最可靠的来源及原因。

交付前确认：关键结论都有可点击来源。

延伸练习

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」。

交付前确认：没有臆造发布日期。

内部文档入库

准备材料：一批 PDF、Word 和网页。

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。

构建问答测试集

输入：一份产品手册。

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：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。

常见问题：回答过于笼统

要求逐条引用原文，并限定只回答文档中有依据的内容。

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：引用溯源

回答附带原文出处，便于核对。

适合人群：销售

销售可以用 Docling 处理客户背景调研、跟进邮件与话术等工作。需要注意：客户数据按公司规定处理，报价和承诺以合同为准。

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：客服人员

客服人员可以用 Docling 处理回复草稿、工单分类等工作。需要注意：不得以 AI 名义做出政策外承诺，涉及隐私的问题按流程处理。

使用提醒

文中提示词和示例仅作示意，实际效果取决于你的材料和 Docling 当前版本，重要内容请人工核对后再使用。

所有示例输出均为示意，不代表真实统计或效果承诺；请以自己的测试结果为准。

延伸阅读