知识库回答出现错行、数字错配时，问题可能已经发生在文档进入检索系统之前。一份 PDF 即使在屏幕上看起来清楚，转出的文字也可能把双栏内容交错排列，或把表格中的数值放到错误标题下。
Docling 的官方示例使用 DocumentConverter 将文件转换为文档对象，再导出 Markdown。[1] 本文把这一流程改写为一个本地文件示例，资料核对日期为 2026 年 10 月 19 日。
先准备一份可以人工核对的样本
本文建议先选几页有代表性、已获处理授权的 PDF，包含标题、普通段落和一张小表格。记录你预期看到的内容：
样本元素 | 人工核对点 |
|---|---|
标题 | 层级是否合理，是否混入页眉 |
双栏正文 | 是否按正确顺序连接 |
表格 | 列名、行名和数值能否对应 |
数字 | 小数点、负号、单位是否保留 |
脚注 | 是否被错误插入正文句子 |
先让转换质量可观察，再扩大到批量处理。不要一开始就把整批资料送进索引，之后才发现结构性错误。
在独立 Python 环境安装
根据官方安装文档，Docling 可通过 Python 包安装。[2] 在已经建立的独立虚拟环境中运行：
1python -m pip install docling
记录实际 Python 和 Docling 版本，并按项目已有方式保存依赖。这里不要求修改系统 Python；如果项目已经使用 uv 或其他环境管理工具，应沿用现有约定。
Docling 官方文档说明，默认情况下所需模型可能在首次使用时自动下载；也提供预取模型用于离线环境的方式。[3] 因此，“处理本地文件”与“第一次运行完全不访问网络”是两件需要分别验证的事。
转换一份本地 PDF
把授权样本放到 inputs/sample.pdf，在演示目录保存 convert_pdf.py：
1from pathlib import Path2from docling.document_converter import DocumentConverter34source = Path("inputs/sample.pdf")5output = Path("outputs/sample.md")67if not source.is_file():8 raise FileNotFoundError(source)910if output.exists():11 raise FileExistsError(output)1213converter = DocumentConverter()14document = converter.convert(str(source)).document15markdown = document.export_to_markdown()1617output.parent.mkdir(parents=True, exist_ok=True)18output.write_text(markdown, encoding="utf-8")19print(f"输出：{output}，字符数：{len(markdown)}")
然后执行：
1python convert_pdf.py
示例主动拒绝覆盖已有输出，方便保留上一轮结果。这里的预期是生成一个 UTF-8 Markdown 文件；它并不保证每个段落和表格都正确，仍需下一步对照检查。示例未在读者环境执行。
对照原页，而不是只读转换结果
建议把原 PDF 与 Markdown 并排查看，逐项检查样本表。特别留意那些读起来通顺、实际却改变含义的错误，例如：
- 把“未通过”中的“未”漏掉；
- 把某列数值移动到另一列；
- 把页脚插进正文句子；
- 把两栏的半句话连成一段。
本文建议用简短记录保存“文件、页码、问题、处理方式和复查状态”。读者可以手工修正衍生文件，也可以调整转换配置，但都应保留与原始来源的关系。
如果需要保留更丰富的结构信息，可继续查看官方的文档模型、序列化和分块接口。[1] 本文示例只导出 Markdown，没有实现页码映射或引用追踪。
区分模型下载与远程处理
Docling 官方高级选项说明，使用远程处理服务需要显式选择相应配置；模型权重下载则属于另一类网络行为。[3]
如果任务要求离线，应先按官方流程预取模型，再在目标网络条件下验证。不要为了消除错误而直接启用远程服务，也不要在没有检查插件、OCR 和模型配置的情况下承诺所有资料都不会外传。
进入知识库前，再做一道验收
本文建议只有通过样本核对的转换配置才进入后续分块流程，并至少保留原文件标识、文档版本和衍生文件位置。分块之后，再检查一条事实是否仍带有足够上下文，例如表格数值旁边是否保留了项目名和单位。
给 Agent 的任务可以写成：
使用指定的授权 PDF 样本，在独立目录完成 Docling 转换。保留原文件，输出到新路径，对照标题、阅读顺序、表格与数字列出质量检查结果。未核对的页码明确标记，不自动导入生产知识库。
参考来源
本文为原创整理；转换脚本、核对表和处理建议为作者设计。不保证 OCR 或表格转换达到特定准确率。