Chapter 6.2：Docling¶

Docling for Multimodal Document AI¶

1. 学习目标（Learning Objectives）¶

完成本章学习后，你应该能够：

了解 Docling 的定位与特点
熟悉 Docling 官方资源
成功运行官方 Demo
理解文档解析流程
掌握 Markdown 文档生成
理解 Docling 与 Qwen3.5-VL 的区别
熟悉实验室中 Docling 的应用场景

2. Docling 简介（Introduction）¶

Docling 是 Docling 项目推出的轻量级文档理解模型，专注于 Document AI 场景。

相比通用视觉语言模型，Docling 更关注：

PDF 文档解析
OCR
页面版面理解
Markdown 转换
文档结构恢复

其目标是将复杂文档转换为适合大模型处理的结构化文本，为后续问答、检索和 Agent 应用提供高质量输入。

对于实验室而言，Docling 是文档预处理的重要工具，可与 Deepseek 等大模型协同使用。

3. 官方资源（Official Resources）¶

GitHub¶

Docling Project

https://github.com/docling-project/docling

Hugging Face¶

Docling 官方主页

https://huggingface.co/docling-project

官方文档¶

https://docling-project.github.io/docling/

Model Hub¶

浏览 Docling 相关模型

https://huggingface.co/docling-project

4. 快速开始（Quick Start）¶

建议继续使用实验室统一开发环境。

推荐流程：

阅读官方 README。
按照官方说明安装依赖。
下载 Docling 模型。
运行官方 Demo。
使用一份 PDF 文档进行测试。

建议优先验证官方示例，再开展自己的实验。

5. 模型推理（Inference）¶

Docling 的基本处理流程如下：

PDF / 图片
      │
      ▼
文档读取
      │
      ▼
页面解析
      │
      ▼
版面分析
      │
      ▼
OCR
      │
      ▼
结构恢复
      │
      ▼
Doctags 输出

重点理解：

文档输入
页面解析
结构恢复
Doctags 输出

这些步骤构成了现代 Document AI 系统的重要基础。

6. Document AI 应用（Applications）¶

Docling 适用于以下任务：

PDF 转 Markdown¶

将 PDF 转换为结构清晰的 Markdown 文档。

OCR¶

识别文档中的文字内容。

Layout Analysis¶

识别标题、正文、图片、表格等版面结构。

Table Extraction¶

提取表格内容。

Reading Order¶

恢复页面阅读顺序。

Document Parsing¶

将复杂文档转换为结构化表示。

RAG 文档预处理¶

作为知识库构建前的数据清洗与转换工具。

7. 项目源码（Project Structure）¶

阅读项目时建议按照以下顺序：

README
    │
    ▼
examples
    │
    ▼
CLI
    │
    ▼
Pipeline
    │
    ▼
Models

重点关注：

官方示例
文档解析流程
Markdown 输出
Pipeline 设计

理解整体流程即可，不必深入每个实现细节。

8. Qwen3.5-VL 与 Docling 对比¶

项目	Qwen3.5-VL	Docling
模型类型	Vision Language Model	Document Parsing Model
主要能力	图像理解、多模态推理	文档解析、Markdown 生成
输入	图片、文档	PDF、图片
输出	文本回答	结构化 Markdown
适用场景	多模态理解	文档预处理

实验室通常将两者结合使用，而不是相互替代。

9. 本章实践（Hands-on Practice）¶

完成以下任务。

任务一¶

安装 Docling。

任务二¶

运行官方 Demo。

任务三¶

准备三份 PDF：

学术论文
技术报告
包含表格的文档

观察输出效果。

任务四¶

比较原始 PDF 与生成的 Markdown。

分析：

标题恢复情况
表格恢复情况
图片处理情况
阅读顺序是否正确

任务五¶

建立实验记录：

experiments/

└── Docling/

    ├── pdf/
    ├── markdown/
    ├── outputs/
    └── notes.md

记录实验过程与分析结果。

10. 本章总结（Summary）¶

本章介绍了 Docling 的定位及实验室中的主要应用。

完成本章后，你应该能够：

独立运行 Docling
使用模型解析 PDF
生成 Markdown 文档
理解文档解析流程
比较 Docling 与 Qwen3.5-VL 的特点
将其应用于实验室 Document AI 项目

11. 下一章（Next Chapter）¶

下一章学习：

Chapter 7：Document AI

主要内容包括：

Document AI 基本概念
文档处理流程
OCR、版面分析、表格识别等核心任务
主流数据集与 Benchmark
实验室整体技术路线

完成后，你将建立完整的 Document AI 知识体系，为后续科研和项目开发奠定基础。