IBM开源全能文档解析引擎

做文档 RAG 的团队之前普遍用 PyPDF + unstructured + 各种 OCR 服务拼管线，格式一复杂就崩，表格和公式更是重灾区。Docling 的统一之处在于把版面分析、阅读顺序恢复、表格结构、甚至代码块和公式都塞进了同一个 DoclingDocument 对象里，直接导出 Markdown 或 JSON 丢给下游模型。

跟 Marker、MinerU 这些专注 PDF 的工具比，Docling 的格式覆盖更广（连 Apple Pages、Box Notes 都管），而且 IBM 背书意味着企业合规和长期维护更有保障。不过它的 Python 依赖较重，轻量场景可能不如直接调 API。

如果你正在维护一个要处理多种文件格式的内部知识库，或者做 B 端文档智能产品，值得把现有的解析层替换成 Docling 跑一轮对比测试，特别是表格和扫描版 PDF 的召回率。