Docling 是一套由 IBM 發起、現由 LF AI & Data 基金會託管的開源文件解析工具，目前於 GitHub 擁有 66,197 星標與 4,758 次複製，定位是「讓文件為生成式 AI 做好準備」（Get your documents ready for gen AI）。該項目可將 PDF、DOCX、PPTX、XLSX、HTML、EPUB 乃至掃描影像等多元格式，轉換為 AI 模型可直接讀取的結構化 Markdown 與 JSON，並已成為檢索增強生成（RAG）應用中常見的文件前處理層。
Docling 是 IBM 發起的開源文件解析工具，GitHub 星標 66,197，可將 PDF 等多種格式轉換為 AI 可讀的結構化 Markdown 與 JSON。
Docling 是什麼？為何被稱為文件 AI 化的關鍵工具？
Docling 是文件解析與 AI 之間的橋樑，將版式複雜的 PDF、掃描文件轉成保留版面、表格與閱讀順序的結構化數據，解決生成式 AI 無法直接理解原始文件的痛點。
Docling 的核心定位，是填補「原始文件」與「生成式 AI」之間的理解鴻溝。大型語言模型無法直接讀懂 PDF 內部的多欄排版、表格結構、公式與掃描影像，若未經處理便將文件送入模型，往往會得到語意破碎、表格錯亂的內容，導致 RAG 系統檢索品質低落。Docling 的角色，就是將這些非結構化文件解析為保留語意與版面資訊的結構化表示，讓後續的切塊、嵌入與檢索流程建立在乾淨的數據基礎上。
該項目起源於 IBM Research 的 Deep Search 團隊，技術報告於 2024 年 8 月以 arXiv 論文形式公開（編號 2408.09869），並於 2025 年正式捐贈給 LF AI & Data 基金會，成為中立的開源治理項目。其發展軌跡反映一個重要趨勢：當各家廠商競逐模型能力時，文件理解這類「數據工程」問題，正逐漸成為決定 AI 應用落地品質的關鍵環節。
Docling 有哪些核心功能與技術亮點？
Docling 支援逾二十種格式，具備版面分析、閱讀順序重建、表格辨識與 OCR，並可導出 Markdown、HTML 與無損 JSON。
第一個亮點是極廣的格式覆蓋範圍。Docling 除了支援 PDF、DOCX、PPTX、XLSX、HTML 與 EPUB 等常見格式，亦涵蓋 Apple Pages、LaTeX、純文字與 Markdown 超集（QMD、RMD），甚至加入電子郵件（EML、MSG）、ODF 文件與 XBRL 財務報告格式。2026 年新增的影片解析功能，可從 MP4、AVI、MOV、MKV 與 WebM 中抽取語音轉錄稿與代表性關鍵幀，將多媒體內容一併納入可檢索範圍。
第二個亮點是先進的 PDF 理解能力。Docling 對 PDF 的版面分析涵蓋頁面配置、閱讀順序、表格結構、程式碼、公式與影像分類，能正確還原多欄文件與巢狀表格的原始結構，這是多數簡單文字抽取工具無法做到的。對掃描文件與圖片，Docling 提供完整的 OCR 支援，並可透過視覺語言模型（VLM）進一步強化理解，官方推薦的 GraniteDocling 模型即針對文件理解任務進行特化。
第三個亮點是統一的文件表示與多樣化導出。Docling 以自訂的 DoclingDocument 作為內部統一格式，任何來源文件都會被標準化為同一種結構化模型，再依需求導出為 Markdown、HTML、無損 JSON 或 DocTags 等格式，並支援 DocLang、USPTO 專利、JATS 學術論文與 XBRL 財務報告等領域特定 XML Schema，讓文件數據可直接流入下游專業系統。
Docling 如何將 PDF 轉換為 AI 可讀的 Markdown？
Docling 提供 CLI 與 Python API，一行指令即可將 PDF 轉為 Markdown，亦可使用 DocumentConverter 細緻控制轉換流程。
Docling 的入門門檻設計得非常低。使用者只需以 pip 安裝套件，便能透過 CLI 執行轉換，例如 docling 加上一個文件 URL 或本機路徑，程式便會在目前目錄生成對應的 Markdown 檔案，內容包含標題層級、表格與版面結構。需要更細緻控制的使用者，可改用 Python API，以 DocumentConverter 物件載入文件，一行程式碼完成轉換，再呼叫 export_to_markdown 等方法取得結構化輸出。
對進階應用而言，Docling 提供多種整合途徑。開發者可透過 LangChain、LlamaIndex、Crew AI 與 Haystack 等框架的原生整合，直接將 Docling 作為 RAG 管線的文件載入器；亦可啟動內建的 MCP（Model Context Protocol）伺服器，讓 Claude 等 AI Agent 以標準化協定呼叫文件解析能力。需要服務化部署的團隊，則可使用 docling-serve API 伺服器，或部署於 Apify 等雲端平台，以 HTTP 介面提供文件轉換服務。
Docling 的授權模式與開源生態如何？
Docling 採用 MIT 授權，屬寬鬆開源許可，由 LF AI & Data 基金會託管，IBM Research 主導開發，社群與企業均可自由採用與商用。
Docling 採用 MIT 授權，是開源授權中最寬鬆的一類，允許使用者自由修改、散布與商業使用，毋須公開衍生程式碼，這對企業導入而言大幅降低了法律障礙。項目由 LF AI & Data 基金會治理，該基金會旗下亦託管著众多知名 AI 開源項目，中立的治理架構有助於吸引跨公司貢獻者參與，避免單一廠商主導的風險。
從生態動能觀察，Docling 的開發節奏相當活躍。儲存庫截至 2026 年 9 月累計超過 4,700 次複製，最新提交與版本發布均維持高頻率，官方 Discord 社群與 GitHub Discussions 持續有討論；其每月 PyPI 下載量亦反映實際採用規模。IBM 同時釋出 GraniteDocling 系列視覺語言模型，並與 Hugging Face 生態深度整合，顯示該項目背後具備企業級資源持續投入。
Docling 的市場定位與競爭優勢是什麼？
- 66,197Stars
- 4,758Forks
- MITLicense
- Python主要語言
- 2026-09-09最近更新
截至 2026 年 9 月，Docling 累計 66,197 星標與 4,758 次複製，採用 MIT 授權，以 Python 撰寫，由 LF AI & Data 基金會託管。
在文件解析賽道，Docling 面對的主要競爭者包括 Unstructured、PyMuPDF、markitdown 等工具。相較於 PyMuPDF 等偏底層的 PDF 操作庫，Docling 提供的是完整的上層文件理解管線，涵蓋版面分析、OCR 與多格式轉換；相較於 Unstructured 等商業化較深的服務，Docling 以 MIT 授權開放全部功能，並將 VLM 支援與領域 Schema 整合納入開源版本，對自架團隊更具吸引力。
Docling 的差異化優勢體現在三個層面。其一是格式覆蓋的廣度，從電子郵件、試算表到影片音訊皆可處理，超越多數僅聚焦 PDF 的競品；其二是與 AI 生態的整合深度，MCP 伺服器、LangChain 與 LlamaIndex 原生支援讓它可直接嵌入 Agent 工作流程；其三則是 IBM 與 LF AI & Data 的治理背書，對企業採用決策而言是重要的信賴訊號。在 RAG 與企業知識庫應用持續擴張的背景下，文件解析層已成為 AI 基礎設施的重要組成。
出處連結有哪些？
本文資訊來自 docling-project/docling 的 GitHub 儲存庫、官方文件與 arXiv 技術報告，可查閱原始碼、授權條款與使用指南。
本文內容整理自 docling-project/docling 的 GitHub 儲存庫（https://github.com/docling-project/docling）、官方文件網站（https://docling-project.github.io/docling/）與 arXiv 技術報告（https://arxiv.org/abs/2408.09869），讀者可前往上述來源查閱完整原始碼、MIT 授權全文、支援格式清單與整合說明。
總結：Docling 適合什麼團隊使用？
Docling 適合建構 RAG 與知識庫應用的開發團隊、需要批量處理企業文件的組織、重視資料自主權的自架用戶，以及研究文件理解技術的學者。
綜合而言，Docling 的價值在於將「文件理解」這個繁瑣的數據工程問題，轉化為一行指令即可完成的可重複流程。對開發 RAG 應用的團隊而言，以 Docling 作為文件載入層，可顯著提升檢索內容的結構完整性；對銀行、法律與醫療等大量處理掃描文件的產業而言，其 OCR 與版面分析能力可取代人工整理；對重視資料隱私的組織而言，完全本地執行的特性讓敏感文件毋須離開企業環境。作為文件解析領域星標數最高的開源項目之一，Docling 以 MIT 授權、基金會治理與持續的版本迭代，正逐步成為 AI 文件前處理層的事實標準。