Docling là bộ công cụ mã nguồn mở (khởi nguồn từ IBM Research) biến PDF, DOCX, PPTX, HTML và ảnh scan thành Markdown/JSON sạch, giữ nguyên cấu trúc bảng, tiêu đề và bố cục để đưa thẳng vào pipeline gen AI. Điểm mạnh là nhận diện layout và bảng chính xác, chạy được offline, tích hợp sẵn với LangChain, LlamaIndex.
Ứng dụng
- Chuẩn hoá kho tài liệu doanh nghiệp (hợp đồng, báo cáo, hồ sơ) thành Markdown cho RAG.
- Trích bảng số liệu từ PDF tài chính, hoá đơn để đẩy vào phân tích tự động.
- Xây knowledge base nội bộ cho chatbot tra cứu quy trình, tài liệu kỹ thuật.
Hướng kiếm tiền: Đóng gói Docling thành dịch vụ “làm sạch tài liệu → sẵn sàng cho AI” tính phí theo trang cho SME chưa có đội kỹ thuật.
⭐ 65.8k (ghi nhận) · nhóm: RAG & Data · license: MIT
Được nhắc trong bản tin
Đi tiếp: Xem Tổng hợp giải pháp để đóng gói repo này thành dịch vụ.