AI驱动的免费文档解析强大的工具Docling

在这里插入图片描述

简介

什么是 Docling ？

Docling 是一个开源的 python 文档处理库，由 IBM 开发，用于将 PDF、DOCX、PPTX、XLSX、图像、HTML 等文档转换为结构化的 Markdown 或 JSON 格式，为构建 AI 驱动的 RAG/QA 应用提供了高效、便捷的解决方案。

什么是 Docling Serve ？

Docling Serve 是一个将 Docling 作为 API 服务运行的项目。

主要特点

多格式支持：支持读取和转换多种文档格式，让你无需担心不同格式的兼容性问题。
PDF 文档理解：不仅能够提取 PDF 文档的文字内容，还能解析页面布局、阅读顺序和表格结构，提供深入的信息，完美还原数据。
统一格式：使用统一的 DoclingDocument 格式来表示文档内容，方便后续处理和分析。
本地执行能力：在处理敏感数据或在隔离环境中执行时，支持本地运行。
即插即用的集成：可以轻松集成 LlamaIndex 和 LangChain 等工具，实现强大的 RAG / QA 应用。
OCR支持：支持 OCR 技术，可以处理扫描的 PDF 文件。
简单易用：提供简单的 CLI 命令行界面，用户快速使用。
音频支持：支持与自动语音识别（ASR）模型的集成，处理音频内容。

应用场景

文档处理：企业和组织可以使用 Docling 来自动化文档处理流程，提高效率。
学术研究：研究人员可以解析和提取研究文献中的重要信息，便于分析和引用。
内容创建：内容创作者可以快速转换和格式化文档，以便于发布和分享。
数据提取：数据科学家和分析师可以使用 Docling 从各种文档中提取结构化数据，支持数据分析工作。

Docling 是一个功能强大且灵活的工具，适合需要高效文档处理和生成式 AI 集成的用户。

安装

在群晖上以 Docker 方式安装。

Docling Serve 有多个镜像，可用于在不同硬件配置下运行，老苏选择了基础镜像

镜像	描述	架构	大小
`ghcr.io/docling-project/docling-serve` `quay.io/docling-project/docling-serve`	从官方 `PyPI` 索引安装的所有包的基础映像	`linux/amd64` `linux/arm64`	4.4 GB (arm64) 8.7 GB (amd64)
`ghcr.io/docling-project/docling-serve-cpu` `quay.io/docling-project/docling-serve-cpu`	仅限 `CPU` 变体，使用 `PyTorch CPU` 索引中的 `torch`	`linux/amd64` `linux/arm64`	4.4 GB
`ghcr.io/docling-project/docling-serve-cu126` `quay.io/docling-project/docling-serve-cu126`	`CUDA 12.6` 使用`torch cu126` 索引构建	`linux/amd64`	10.0 GB
`ghcr.io/docling-project/docling-serve-cu128` `quay.io/docling-project/docling-serve-cu128`	`CUDA 12.8` 使用`torch cu128` 索引构建	`linux/amd64`	11.4 GB

docker cli 安装

如果你熟悉命令行，可能用 docker cli 更快捷

# 运行容器
docker run -d \
--restart unless-stopped \
--name docling-serve \
-p 5015:5001 \
-e DOCLING_SERVE_ENABLE_UI=1 \
-e GRADIO_MCP_SERVER=True \
quay.io/docling-project/docling-serve

DOCLING_SERVE_ENABLE_UI=1：表示启用 Web UI
GRADIO_MCP_SERVER=True：表示启用 MCP Server

docker-compose 安装

也可以用 docker-compose 安装，将下面的内容保存为 docker-compose.yml 文件

version: '3'
services:
docling-serve:
image: quay.io/docling-project/docling-serve
container_name: docling-serve
restart: unless-stopped
ports:
- "5015:5001"
environment:
- DOCLING_SERVE_ENABLE_UI=1
- GRADIO_MCP_SERVER=True

然后通过 SSH 登录到您的群晖，执行下面的命令：

# 新建文件夹 docling-serve 和 子目录
mkdir -p /volume1/docker/docling-serve
# 进入 docling-serve 目录
cd /volume1/docker/docling-serve
# 将 docker-compose.yml 放入当前目录
# 一键启动
docker-compose up -d