← Каталог

· AI Engineer World's Fair 2026

Структурирование неструктурированных данных: продвинутый разбор документов для AI-workflows

Structuring the Unstructured: Advanced Document Parsing for AI Workflows

Docling превращает PDF в Markdown и JSON с сохранением таблиц и структуры, работает локально на CPU и подходит для RAG и агентов.

  • Таблицы и подписи вместо линейного текста — простой парсер склеивает колонки и выводит таблицы построчно, а конвертация с учётом макета страницы, OCR и визуальных моделей сохраняет таблицы, которые можно вывести в датафрейм, и подписи к изображениям.
  • Экономия без GPU — по словам спикера, в сравнении Hugging Face на корпусе FinePDFs Docling на CPU обошёлся примерно в 50 раз дешевле, чем наивный подход с OCR и VLM.
  • RAG без чанков — индексом служит Markdown-оглавление документа, а LLM выбирает нужный раздел и читает его целиком, без эмбеддингов и векторной базы; спикер применил этот подход к отчёту IBM на 418 разделов.
  • Развёртывание в инфраструктуру — Docling Serve отдаёт конвертацию как REST API в контейнере или Kubernetes, а Docling MCP server подключает её к агентам для кодинга.

Кому полезно: тем, кто строит RAG по корпусу PDF и не может отправлять документы внешним сервисам, например в air-gapped среде.

Статья по теме

На какие вопросы отвечает доклад

Главы

Похожие доклады