ARTICLE · 1303160
Docling接入新OCR预设:文档进知识库,先验收结构
2026-11-03 · 文档解析 / RAG前处理
解析器能产出文字，不代表标题、表格和页码已经正确。先用少量可核对材料把接入路径跑清楚。
01 / 本次是解析链路更新，不重复介绍OCR模型
Docling 2.146.0于北京时间11月3日14:40发布，新增Unlimited-OCR 2预设与布局解析、LightOnOCR-3预设，以及Nemotron 3.5多遍解析等支持。此前介绍过的OCR模型在这里接入文档处理链路，是另一层新进展，不把模型旧发布日期翻成今天。
对准备做知识库的人，这意味着可选解析路径增加，但检索质量不会随版本号自动变好。先让资料被正确转换，再分块和检索，才能知道问答出错时该检查哪一层。本文依据固定版本文档整理，未安装Docling或下载OCR权重。
02 / 准备三页小样本，留下人工对照
编辑建议自制一份不含私人信息的练习PDF：一页双栏文字、一页普通表格、一页延续前页的标题或表格。每页标上编号，另外保留一份正确文字与表格清单。不要一开始就导入几千页，因为出错以后很难找到最小原因。
03 / 接入时，明确服务地址与预设
在独立测试环境固定版本，按官方SDK说明选择预设和后端。Unlimited-OCR 2的API路径需要自己启动兼容服务并配置URL；Apple Silicon另有MLX预设及依赖条件。只在命令里写一个模型名，不能代表后端已经准备好。
python -m pip install "docling==2.146.0"已按固定版本官方SDK核对的配置片段如下。它只创建流水线选项，尚未绑定转换器；前提是在该地址已有正确配置的模型服务，单独运行此片段不会完成PDF转换。
from docling.datamodel.pipeline_options import VlmConvertOptions, VlmPipelineOptions from docling.datamodel.vlm_engine_options import ApiVlmEngineOptions, VlmEngineType options = VlmPipelineOptions( enable_remote_services=True, vlm_options=VlmConvertOptions.from_preset( "unlimited_ocr2", engine_options=ApiVlmEngineOptions( engine_type=VlmEngineType.API_OPENAI, url="http://127.0.0.1:10000/v1/chat/completions", timeout=600, ), ), )
图：编辑依据本篇资料设计的中文说明示意，非产品界面或实测结果。
04 / 转换后先查四类结构
先逐页对照段落顺序，再检查标题层级、表格单元格和页码来源。特别观察双栏有没有串行、表头有没有错位、空白页是否被无声跳过。导出的文本能被读出来，只说明第一步完成。
该接入按页发送请求，跨页文字和表格可能保持分开，不能把模型本身的长文档能力直接当成Docling自动合并保证。遇到跨页表格，先记录边界，再根据任务设计合并和复核，不要让后续模型猜着拼。
可以同时保留便于阅读的Markdown与便于检查结构的JSON，再用原PDF抽查。不同导出格式可能丢失不同信息，标题和表格在一种格式里正常，也值得在实际入库格式中再看一次。
05 / 最后再做一次小型问答
从练习PDF写三道答案明确的问题，检查回答能否指回正确页和单元格。若引用错页，先查解析与分块；若材料本身缺项，应回答不知道。这样比直接换更大的问答模型更容易定位问题。
把模型预设、后端版本、转换参数和错误样本一起存档。新版本的价值应通过少漏结构、少返工和引用更可靠来判断，不是只看导出文件比以前多了多少字。
资料来源
Docling 2.146.0官方发布记录https://github.com/docling-project/docling/releases/tag/v2.146.0
固定版本SDK与Unlimited-OCR 2接入边界https://github.com/docling-project/docling/blob/v2.146.0/docling/.agents/skills/docling/references/python-sdk.md
固定版本视觉解析说明https://github.com/docling-project/docling/blob/v2.146.0/docs/usage/vision_models.md
由 AI公众号助手辅助创作｜作者博客：xxcc.me
