Устали парсить PDF для своих RAG-пайплайнов, превращая таблицы в текстовую кашу?
IBM Research и Linux Foundation выкатили в опенсорс Docling — инструмент, который делает всю грязную работу по извлечению данных из документов.
Что он умеет такого, чего не могли другие:
🧠 Реально понимает PDF: Видит структуру документа, порядок колонок, таблицы, формулы и картинки. Не просто текст выдирает, а отдает все в виде удобных объектов.
🔌 Готовые интеграции: Есть "загрузчики" для LangChain, LlamaIndex, Haystack. Никакого клея и костылей, reader.load_data(file=...) и всё.
🤖 VLM-пайплайны: Может подрубать Visual Language Models (включая их собственную SmolDocling) для еще более глубокого анализа.
🔒 Работает локально: Никаких облаков. Вся обработка на вашей машине.
Кому интересно, почитайте более подробный разбор: Docling: готовим данные для RAG и LLM 📖
#годный_опенсорс
