AI 工具台|PDF 塞给 AI 前,先把它拆干净

🍱它解决什么问题

三个场景最适合它：把论文转成 Markdown 再交给 AI 做笔记；从财报里保住表格结构；把本地合同整理成可检索资料库。普通复制粘贴常把双栏顺序打乱，表格也会塌成一团，模型吃到的原料已经坏了，回答再漂亮也白搭。

📎 Docling GitHub · 支持格式 · 2026-08-07

🧠背后原理

Docling 不只“抄字”。它先识别标题、段落、图片、表格和页面坐标，再按阅读顺序装进统一的文档结构，最后导出 Markdown、HTML 或 JSON。碰到扫描件时再启用 OCR，也就是把图片里的字认出来。它像先把一箱散页分门别类，再交给 AI 阅读。

🛠跟着做

1装好 uv

访问 uv 安装页，按你的系统复制命令。完成后在终端输入 uv --version，预期看到版本号。

2准备一个单独文件夹

在终端输入 mkdir docling-work && cd docling-work，再把 PDF 拖进这个文件夹。预期文件夹里只有原稿，方便找输出。

3执行转换

输入 uvx --from 'docling==2.118.0' docling convert 文件名.pdf --to md --image-export-mode placeholder --output output。预期出现 output 文件夹；首次运行还会下载模型，会比以后慢。

4检查阅读顺序

打开 output 里的同名 .md 文件，先看标题层级、双栏段落和表格。预期正文顺序连贯，表格以竖线结构保留。

5再交给 AI

把 .md 文件放进你常用的 AI 工具，要求它“只根据这份资料回答，并标出章节”。预期回答能引用正确的小节，而不是在错乱页面里猜。

📎 官方安装文档 · CLI 文档 · 2026-08-07

📊一组实际数据

一份 9 页、5.57 MB 的 Docling 技术报告，用默认标准管线在 CPU 上转换，模型缓存后的第二次运行耗时 41.41 秒。输出保留了 19 个 Markdown 表格结构。把图片设为 placeholder 后，文件从含内嵌图片时的约 1.02 MB 降到 34.2 KB，更适合喂给 AI。

🔒隐私与账单

默认本地转换，文件不必上传，适合合同、内部报告和未发表论文。它没有账号、订阅和自动续费；代码为 MIT 许可。若你主动改用远程服务或外部模型，数据规则就跟着那个服务走，别把“本地工具”四个字当万能护身符。

📎 许可与本地运行说明 · 2026-08-07

⚠️坑与边界

• 慢：用户 MCamblor97 的 51 页工程 PDF 对比里，Docling 用时约 11.7 秒，轻量方案约 0.13 秒；干净文本只求速度，没必要上重管线。来源
• 重：首次运行要拉模型，长文档还可能吃掉大量内存；项目目前有用户报告进程耗尽可用内存。Issue #2779
• 表格不是百分百：合并单元格、跨页表和糟糕扫描件仍可能错位，交给 AI 前必须抽查关键页。用户对比
• 默认图片会撑大 Markdown：加上 --image-export-mode placeholder，别让一堆 Base64 把上下文窗口吃光。

🔁替代怎么选

• MarkItDown：免费 MIT 开源；文件干净、只想快速转文本时选它。GitHub
• Marker：免费 Apache-2.0 开源；批量 PDF、速度优先时选它。GitHub
• MinerU：免费开源；扫描件、公式和复杂多栏排版更重时，拿同一份文件与 Docling 对跑。GitHub

— AI 三餐 · 明天中午加菜 —