ARTICLE · 1391030
报价PDF丢给AI就能比价?先用Docling把表格理清楚
作者:老卢不白话
采购把三份报价PDF扔给AI,问“哪家更便宜”,看上去只差一句提示词。但如果数量和单价错了列,或者漏掉表格下面的“运费另计”,后面的比较再流畅,也可能比错对象。
我认为,企业用AI处理报价,值得先补的是把原文件变成可检查的材料。这篇只讲一个开源项目Docling:在本地解析PDF的文字、版面和表格,输出Markdown与JSON;采购人员对照原文确认后,再交给获准使用的AI整理问题。它不替你核定税率、查询库存或批准采购。
本文依据Docling v2.150.1官方文档编写,安装、模型运行、文档转换与业务验收均为 NOT_RUN(未实跑)。下面的企业和报价是虚构参考场景,示例输出由作者设计,不是实测截图。
先看它能帮采购完成什么
假设一家设备经销企业每天收供应商报价,采购小周要把型号、数量、单价、交期和付款条件交给老板。过去她在PDF和表格之间复制,遇到跨页表格再手工拼接;老板需要的其实是“哪些内容已核实、还有什么必须问供应商”。
Docling补的是中间这一步:把排版文档转为更容易读取和继续处理的结构化内容。它能帮助减少重复搬运资料,保留Markdown供人快速读,同时留下Docling JSON供后续程序处理。节省多少时间、识别是否够准,要拿自己的文档验证,不能从star数量推出来。
交付物不是“自动选出最低价”,而是一份经过采购核对、能回到原PDF查证的报价材料包。
这对扫描件、表格较多、经常要把PDF接入AI流程的团队有用。如果只是两页清楚的小表,手工复制后检查更简单;如果企业已有可靠的ERP报价导入渠道,也没必要为开源项目重复建设。
截至北京时间2026年11月19日本轮查询,官方仓库有70,765 stars,最近Release为11月14日发布的v2.150.1,仓库最近推送为11月18日。选择它的时点依据是近期维护与明确的文档处理用途,不代表今天突然爆火,更不代表国内企业使用率。

PDF到AI之前,先完成人工核对。
一份报价怎样走完这条流程
参考输入是采购有权使用的一页脱敏报价。请设想原PDF第1页写着:
产品:工业网关 A型数量:120台含税单价:280元/台交期:款到后15个工作日报价有效期:7天备注:运费另计小周先转换文件,然后打开Markdown,对着PDF逐项查:120是不是数量,280是不是单价,单位有没有丢,“15个工作日”有没有误变成15天。尤其要查表格之外的小字:运费另计不等于运费为0,报价有效期7天不等于7天交货。
Markdown里出现一张表,不等于这张表已经验收。 合并单元格、错列、跨页续表、倾斜扫描、印章遮挡,都可能造成漏字或对应关系错误。JSON留有结构和定位信息,也不代表Markdown中的每个字段自动带了可用引用。
核对后,小周另写一份交接说明:每条关键数据记录原文页码,标明“人工确认”或“待供应商确认”;无法确认的内容保留空缺,不用AI猜齐。原PDF、转换文件、人工确认记录三者放在一起,老板拿到的是可追溯资料,而不只是一个结论。

参考场景:运费缺项不能填成0。
IT先在隔离目录跑一份脱敏样本
以下以Linux x86_64、已有Python 3.11及venv支持为前提。官方支持Python范围为≥3.10且<4.0;本篇固定3.11和Docling 2.150.1,避免读者直接跟随主分支变动。先让IT确认解释器和网络条件,再运行,普通业务人员不必自己处理系统依赖。
CPU可以跑默认文档管线,不要求先买GPU。官方没有给所有文件通用的最低内存值;本文建议小样本试跑先预留4核CPU、16GB内存和至少10GB可用磁盘,这是试跑预算建议,不是官方最低配置,也不保证处理速度。大文件、OCR和并发需要另测。
先进入一个新建的工作目录,创建虚拟环境,安装固定版本:
mkdir -p docling-quote-democd docling-quote-demopython3.11 -m venv .venvsource .venv/bin/activatepython -m pip install --upgrade pippython -m pip install 'docling==2.150.1' --extra-index-url https://download.pytorch.org/whl/cpupython -m pip show doclingmkdir -p inputs outputsdocling convert --helppip show用来检查版本;convert --help用来确认当前命令和参数。安装失败先看报错属于Python版本、依赖下载还是模型下载,不要把未完成安装当成程序可用。以上命令不安装Python本身;系统没有3.11或venv时,由IT按本机操作系统补齐。
把有权限、已脱敏、能选中文字的PDF复制到inputs/quote.pdf。这条入门路径先关闭OCR,避免把可复制文字PDF和扫描件混成同一种测试:
docling convert inputs/quote.pdf --to md --to json --output outputs --device cpu --no-ocrls -lh outputs这是当前版本的docling convert子命令。--output后面是目录,--to可以重复以生成Markdown和JSON。正常完成后,应检查输出目录中的对应.md和.json文件,并实际打开内容;文件存在和退出码正常只能算技术检查,不能代替报价核对。
默认standard管线不需要申请大模型API key。首次运行会下载所需模型,依赖与模型站点在国内的可达性、下载耗时本篇均未测试。不要把长时间下载误判为程序已经完成转换。
如果拿到的是扫描PDF
扫描件没有可用文字层,沿用--no-ocr可能漏掉文字。需要OCR时,改走下面的独立分支;中文示例使用官方当前CLI支持的RapidOCR和语言标签:
docling convert inputs/quote.pdf --to md --to json --output outputs --device cpu --ocr-engine rapidocr --ocr-lang iso:zh-Hans先用一页做验证,确认所需OCR模型可下载,再处理整批文件。不要同时保留上一条的--no-ocr。扫描质量差时应要求更清楚的原件,而不是靠提示词承诺恢复被遮住的数字。
转完之后,怎样真正交给AI使用
这一步由采购操作:打开outputs里的Markdown,和原PDF并排核对;更正内容要记录,不覆盖原PDF。对于演示报价,人工确认记录可以写成下面这样。它是人工设计的目标示意,不是Docling实际输出:
原文件:quote.pdf,第1页已核对:工业网关A型;120台;含税单价280元/台已核对:款到后15个工作日;报价有效期7天待问供应商:运费金额、送货地址、报价日期限制:未收到实时库存承诺;尚不能比较最终到货总成本确认人:由本企业采购人员填写企业若已有获准使用的AI助手,可把经过核对和脱敏的Markdown与上述记录一起提供,不必先接数据库、向量库或搭新的聊天界面。使用云端AI之前,仍要确认合同资料能否上传;本地解析的边界不会自动延伸到后续聊天服务。
给AI的任务越具体,越容易检查结果。可以复制这段:
只根据我提供的报价Markdown和人工确认记录,整理采购待确认事项。分为:已确认字段、原文缺失或歧义、需要询问供应商的问题。保留币种、数量、单位、含税说明、付款条件和交期原文。每项使用人工确认记录中的文件名与页码;没有页码就写“未标注”。运费未给金额时写“待确认”,不能填0。不要补造库存、税率、到货日期;不要直接推荐中标供应商。本例期待AI指出运费金额和报价日期尚未明确,保留“款到后15个工作日”,并提示实时库存未获确认。这只是验收目标,不是本文已经跑出的效果。 如果它把15个工作日改成15天、把运费填0,采购应退回修正;不能因为语气肯定就发送给老板。
接下来要做三家对比,必须先给三份报价分别完成同样的确认,并统一币种、数量、含税口径、运费、付款与交货条件。Docling解析文件,不负责替企业选择这些业务口径。正式采购决定仍由人批准。

原文没写清,先向供应商确认。
六项验收,比“能运行”更有用
请拿原PDF逐项检查:第一,产品和型号没有串行;第二,数量、单价、币种与单位对应;第三,含税、运费、付款说明没有漏掉;第四,交期、报价日期与有效期分得清;第五,跨页和备注能回到原文定位;第六,AI对缺失信息明确写待确认。
任一关键数字或条款不一致,就不能作为采购决策输入。保留原件,请业务人员纠正,并记录该类PDF是否适合这条路径。如果持续错列,应回到原供应商表格或人工处理;不要靠反复问AI消除源头错误。
生产使用还有几件实际工作:限定输入和输出目录访问权限,按合同要求控制留存期限,记录处理版本与责任人;批量任务设文件大小、超时与失败队列;模型与依赖升级后重新跑样本。本文只提供单文件试跑步骤,没有部署成企业级上传服务。
成本和数据边界,先讲清楚
Docling代码采用MIT许可证,但所用模型权重、OCR引擎和其他依赖有各自许可,需要按实际组件核对。开源不等于所有模型、服务和文档内容都可任意商业使用。
默认本地standard文档解析不按云端LLM token收费,仍有机器、存储、下载、维护与人工核对成本。若后续使用商业AI API或云服务,再按所选服务计费;本文不推荐采购某个付费模型,也没有调用这些API。
首次下载模型需要联网;模型和所需组件准备齐全后,可按官方说明使用缓存和--artifacts-path规划离线处理,但要在目标环境实际验证,不能说装一次就保证永久断网可用。不要随手打开远程服务或外部插件;启用远程OCR、VLM服务以及上传AI平台,都要重新确认文件会去哪、谁能看。
现在只做一个动作:选一份脱敏报价,完成转换,再按六项清单逐项核对。 先证明这类文件能稳定提供正确材料,再考虑批量和自动化。
老卢不白话|让老板看懂IT,让小白知道怎么做。
上海煜企智能科技有限公司|企业IT基础设施、软件与AI应用服务;服务上海及周边。网站:https://www.yuqi-sh.com/ |需求沟通:公众号留言。















































































