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。

用 AI 最容易犯的错是「看着不错就用了」，这篇给出一张可复用的打分表。

评分表（每项 1 到 5 分）

维度看什么1 分5 分
命中率正确资料是否出现在前几条结果中明显不合格无需修改即可使用
引用准确回答引用的段落是否真的支持结论明显不合格无需修改即可使用
时效性信息是否足够新，是否标明日期明显不合格无需修改即可使用
覆盖度多来源问题是否兼顾了不同观点明显不合格无需修改即可使用
拒答能力没有依据时是否承认不知道明显不合格无需修改即可使用

建议：任一维度低于 3 分就不要直接使用；总分用于比较不同提示词或不同工具的效果。

用一个任务试打分

带来源的快速调研

适用情况：手头有一个需要事实支撑的问题时。

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。

怎么让评分更可靠

  • 同一批材料至少测 5 次，不只看最好的一次。
  • 两人分别打分，分歧大的维度再讨论标准。
  • 把 Docling 的结果与人工完成或 Marker 的结果放在一起盲评。
  • 每次改提示词后用同一批材料复测。

补充练习

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。

检查点：每个答案都能在手册中找到。

检索效果对比

适用情况：手头有同一批问题和两种检索配置时。

用同一批测试问题分别跑关键词检索、向量检索和混合检索，记录前 5 条结果中正确段落的命中情况。

交付前确认：对比用同一批问题。

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。

检查点：切分后的段落能回溯到页码。

常见问题：中文检索效果差

选择对中文支持好的嵌入模型，并为专有名词建立同义词。

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：重排序（Rerank）

对初步检索结果再次打分排序，提升相关性。

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

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。

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