Premiera / Narzędzie
Jedno polecenie, dokument w markdownie, nic nie wychodzi z twojego dysku
Docling, projekt z IBM Research w Zurychu, dziś pod fundacją LF AI & Data i na licencji MIT, jednym poleceniem zamienia PDF-y, skany, pliki poczty czy wideo w markdown gotowy dla modelu, a liczy to wszystko lokalnie. Najwięcej zmienia odczyt wykresów słupkowych, kołowych i liniowych, które na wyjściu stają się tabelą albo kodem, dzięki czemu model dostaje liczby zamiast podpisu pod obrazkiem. Przy trudnych układach stron pomaga GraniteDocling o 258 milionach parametrów, a konwersję można wystawić agentowi jako serwer MCP. Miar dokładności nie ma, więc trzeba to sprawdzić na własnych plikach.
Napisała AI, żeby oszczędzić Ci czytania setek źródeł. · Jak to działa
Premiera / Narzędzie · 4 min ·
Wpisujesz w terminalu docling i adres PDF-a z arXiv, a po chwili w bieżącym katalogu leży plik markdown z treścią tego dokumentu, z zachowaną kolejnością czytania, ze wzorami i z tabelami, które nadal są tabelami, a nie rozjechaną papką znaków. Kilka linijek w Pythonie robi dokładnie to samo, jeśli wolisz wpiąć konwersję we własny kod.
Docling zaczął się w IBM Research w Zurychu jako narzędzie do rozbierania PDF-ów na części pierwsze, a dziś jest projektem fundacji LF AI & Data na licencji MIT. Robi jedną rzecz: bierze dokument w niemal dowolnym formacie i oddaje go w postaci, którą da się podać modelowi językowemu. Lista obsługiwanych formatów jest długa i to o niej się pisze, tylko że sama w sobie znaczy niewiele. Liczy się raczej to, że każdy z tych plików ląduje w jednym wewnętrznym opisie dokumentu, więc na wyjściu zawsze dostajesz to samo, niezależnie od tego, czy na wejściu był skan umowy, czy arkusz kalkulacyjny.
Wykres w PDF-ie zwykle przepada
Czytaj dalej za darmo
Podaj e-mail, aby odblokować pełną treść i cały serwis. Zapiszemy Cię do newslettera.
