Що таке Docling?

Docling — це інструмент з відкритим вихідним кодом для обробки документів, який перетворює вміст із різних форматів на уніфіковане структуроване подання. Рішення підтримує PDF, DOCX, XLSX, PPTX, HTML, Markdown, зображення, аудіофайли та інші формати, а також виконує поглиблений аналіз PDF-документів, включно з порядком читання, таблицями, формулами й елементами макета. 

Функція Docling парсить і експортує документи в Markdown, HTML, WebVTT, DocTags, JSON та інші формати без втрати логіки структури. Це зручно для побудови конвеєрів генерації з доповненням пошуком (RAG, retrieval-augmented generation), семантичного пошуку, індексації документів, витягання тексту й підготовки корпусів даних для подальшого машинного аналізу. 

Додатково Docling має локальний режим виконання для чутливих даних і ізольованих середовищ, а також підтримує оптичне розпізнавання тексту (OCR, optical character recognition) для сканованих PDF та зображень. Завдяки цьому його можна використовувати не лише у відкритих інтеграційних сценаріях, а і в контурах, де обробка документів повинна відбуватися всередині контрольованої інфраструктури.