ARTICLE · 1359541
Docling 2.150.1:文档进知识库前,先查标题和脚注链接
2026-11-15 · 文档处理 / RAG准备
Word看起来没有变化,解析后的结构却可能影响检索。新版本修复的一批细节,适合拿来建立自己的入库检查样本。
答案引用错位,可能从解析时开始
Docling 2.150.1更新了多项文档解析行为,包括依据Word段落级w:outlineLvl识别标题,保留脚注与尾注中的超链接目标,以及保留外部链接的片段标识。它们不一定改变肉眼看到的正文,却可能影响后续分块、引用和跳转的位置。
对知识库来说,把文档转成文字只是开始。标题决定一段内容属于哪个章节,脚注可能给出限定条件,链接片段可能定位到具体段落。如果这些信息丢失,模型拿到的资料就已经缺了一部分。本文依版本说明设计验证方法,没有运行转换或复现官方性能数字。
用一份自编Word建立参照
准备一个不含真实客户资料的练习文件:第一节写适用对象,第二节写操作条件,第三节写例外;再加一个脚注和带锚点的外部链接。把预期标题、脚注文字和完整目标地址抄成核对表。测试应使用自己有权处理的文件,不需要先导入全部业务资料。
转换前后首先检查章节层级。字号较大或加粗,并不天然等同于具有标题结构;如果文件使用段落大纲级别,也应观察新版本能否按预期识别。遇到层级错误,回到文档结构和解析结果定位,不要只在最终问答里加入“请认真阅读”来补救。
然后检查脚注文字是否仍能与相关段落对应,链接是否保留目标和片段。可以设计一个只有脚注才写出的例外条件,问答必须引用这一条件才能通过。这样检验的是资料有没有被完整保留,而不是模型能否凭常识猜到一个看起来合理的答案。

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。
表格、图片和输出也要抽样
本版还修复了单元格内嵌套的单格表、被包装的表格行列和普通单元格中的文本读取等问题。复杂文件可分别检查表头、每行字段与嵌套说明,避免把不同层次的内容压成同一串文字。表格能显示出来,并不足以说明字段关系已经正确。
Markdown图片说明的父子关系也有修复。对于含图文解释的知识库,应把图、图注和相邻正文作为一组抽查,确认检索到图片时仍能带回必要说明。把图片文件保存下来与把它的意义正确带入检索,是两项不同的工作。
建议先在独立测试环境固定Docling 2.150.1,保留旧输出,再用相同文件生成新输出,比较标题树、链接、表格与缺失内容。这里给出的是验证顺序;安装方式和可选解析后端应按项目文档及自己的环境选择,不把所有文档类型都归为同一种OCR任务。
升级后也不必立刻重建整个知识库。先确定哪类文档受到影响,再评估重解析、重分块和重建索引的范围;每一步保存版本与文件来源。对于依赖引用的应用,一份能被复查的小样本,往往比只看回答流畅度更能暴露真实问题。
资料来源
Docling 2.150.1官方版本说明
https://github.com/docling-project/docling/releases/tag/v2.150.1
由 AI公众号助手辅助创作|作者博客:xxcc.me















































































