用途 该技能用于使用 Docling 解析、转换、分块和分析文档，可处理用户以文件路径或 URL 提供的 PDF、DOCX、PPTX、HTML 和图片，输出 Markdown 或结构化 JSON（DoclingDocument）。
主要能力
- 解析 PDF、DOCX、PPTX、HTML 和图片，并转换为 Markdown。
- 导出为 DoclingDocument JSON。
- 为 RAG 进行混合分块：先按标题层级切分，再按 token 数细分（仅 Python API）。
- 分析文档结构，包括标题、表格和图片（仅 Python API）。
- 对扫描版 PDF 自动启用 OCR。
- 支持多来源批量转换。
- 提供标准流水线与 VLM 流水线；标准流水线适合原生数字 PDF，速度快且无需 GPU；VLM 流水线适合复杂版式、手写和公式，需要 GPU，但速度较慢。
- 支持自定义 OCR 引擎（如 tesserocr）、禁用 OCR 或表格以提速、远程 VLM 服务等命令行选项。
使用方式 安装：pip install docling docling-core；如需 OpenAI tokenizer 支持，安装 pip install 'docling-core[chunking-openai]'。docling CLI 随 docling 包提供，无需单独安装。 命令行转换示例：docling report.pdf --output /tmp/；docling report.pdf --to json --output /tmp/；docling report.pdf --pipeline vlm --output /tmp/；docling report.pdf --pipeline vlm --vlm-model granite_docling --output /tmp/；docling report.pdf --ocr-engine tesserocr --output /tmp/；docling report.pdf --no-ocr --output /tmp/；docling report.pdf --no-tables --output /tmp/；docling report.pdf --pipeline vlm --enable-remote-services --output /tmp/。CLI 将输出文件写入 --output 目录，并以输入文件命名（例如 report.pdf → report.md 或 report.json）。 Python API 用于命令行未暴露的高级功能：分块、VLM 远程 API 端点配置、hybrid force_backend_text 模式。Docling 2.81+ 中 DocumentConverter(format_options=...) 期望 dict[InputFormat, FormatOption]，使用字符串键会报错。分块需传入 BaseTokenizer 对象，而非原始字符串；提供 HuggingFaceTokenizer 与 OpenAITokenizer 两种示例。VLM 远程 API 配置需使用 ApiVlmOptions 并设置 enable_remote_services=True。 该技能还建议在关注保真度的转换后运行评估脚本 scripts/docling-evaluate.py，根据输出状态与 recommended_actions 进行最多 3 次迭代优化，并可选择记录 improvement-log.md。
适用场景 适合需要将多种格式文档转换为 Markdown 或结构化 JSON、为 RAG 构建分块、分析文档结构（标题、表格、图片）、处理扫描件或复杂版式文档的场景。
限制
- 分块与部分高级模式仅通过 Python API 提供，CLI 不支持。
- VLM 远程 API 的端点 URL、模型名和 API Key 配置仅 Python API 可用。
- VLM 流水线需要 GPU，速度较慢；标准 OCR 无法处理手写或公式。
- 密码保护 PDF 需提供密码，错误时抛出 ConversionError。
- 超大文档建议使用标准流水线并禁用表格以提速。
- 复杂版式使用标准流水线可能错乱阅读顺序。
- 通过 URL 访问时，若 URL 需要认证，需先下载到临时文件再传入本地路径。
- VLM 可能出现幻觉文本，可通过 Python API 的 force_backend_text=True 混合模式缓解。
- 关于收费、价格、平台或效果的具体信息暂未提供。