Docling 老手才知道的用法
Docling 是一款开源项目：IBM 开源的文档解析工具，可把 PDF 转为结构化格式。
这些技巧适合已经会基本操作、想进一步提效的用户。
8 条进阶用法
- 把「RAG（检索增强生成）」等关键设置弄清楚再调参。
- 给一个你满意的样例，让它模仿结构而不是复制内容。
- 长材料分段处理，每段完成后再要一份汇总。
- 先要大纲或计划，再要全文，复杂任务分两到三步完成。
- 敏感信息用代号替换，交付前再换回。
- 把固定的背景和规则保存为预设或模板，避免每次重复输入。
- 记录每次的输入、设置和结果，形成自己的经验库。
- 遇到瓶颈时，用 Unstructured 做一次对照，判断是工具问题还是用法问题。
示例：分步完成的写法
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。
检查点：关键结论都有可点击来源。
更多可以试的用法
网页内容抓取
输入：一组需要定期关注的网页。
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」。
检查点：没有臆造发布日期。
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。
检查点：每个答案都能在手册中找到。
检索效果对比
准备材料：同一批问题和两种检索配置。
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。
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：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。
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：重排序（Rerank）
对初步检索结果再次打分排序，提升相关性。
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。
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。
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：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。
注意事项
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。
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。