---
title: "把 PDF 交给 AI 之前：用 Docling 转成 Markdown，并检查阅读顺序"
slug: "docling-pdf-markdown-quality-check"
kind: "runbook"
version: "1.0"
status: "reviewed"
compatibility: "符合当前 Docling 安装要求的 Python 环境；具备文件读取权限、足够磁盘与模型运行资源。"
risk_level: "medium"
requires_approval: true
updated_at: "2026-10-19T00:32:01.772Z"
verified_at: ""
source: "https://blog.atlankj.com/posts/docling-pdf-markdown-quality-check"
---

# 目标

将一份授权 PDF 样本转换为 Markdown，并形成可追溯的人工质量检查记录。

# 前置条件

- 输入 PDF 已获处理授权，可人工查看原页。
- 独立 Python 环境已建立。
- 依赖与模型下载在授权范围内；离线要求单独确认。
- 输出路径不存在，原始文件有保留副本。

# 输入

样本 PDF、输出新路径、代表性页码、环境版本及是否允许网络下载。

# 约束

- 不覆盖原文件或既有输出，不批量读取其他目录。
- 不启用远程处理服务，不上传资料。
- 不把模型预取与远程文档处理混为一谈。
- 不声称 OCR、表格或阅读顺序必然正确。
- 未授权时不导入任何生产索引。

# 操作步骤

1. 核对输入授权、文件路径、样本页码和预期结构。
2. 记录环境版本；如已授权，在独立环境安装 docling。
3. 检查模型下载条件；离线任务先按官方流程准备模型。
4. 使用 A 文脚本或等价流程转换本地 PDF，输出到不存在的新路径。
5. 对照原页检查标题、双栏顺序、表格、数字、单位和脚注。
6. 记录每项问题、对应页码、修正方式和复查状态。
7. 报告成功转换与内容质量分别达到什么程度，列出未检查的页。

# 输出结果

新建 Markdown、原文件到输出的映射、环境信息、样本质量记录和未核对范围。

# 验证方法

- 输出文件存在、编码正确且非空。
- 已逐项对照代表性原页，不以文件生成替代内容验收。
- 所有人工修正可追溯；未测试的结构明确标记。
- 本示例不声称完成页码自动映射或知识库导入。

# 异常处理

- 输入缺失：停止，不自动扫描扩大范围。
- 输出已存在：选择新路径，不覆盖。
- 模型下载失败：检查授权网络与预取方案，不转用远程服务。
- 内容错序：保留失败样本，调整配置或标记人工修正需求。

# 回滚方式

保留原始 PDF 和上一版结果。仅清理本次明确生成且已获删除授权的衍生文件；不删除共享模型缓存或其他资料。

# 参考来源

- https://docling-project.github.io/docling/getting_started/quickstart/
- https://docling-project.github.io/docling/getting_started/installation/
- https://docling-project.github.io/docling/usage/advanced_options/

资料核对日期：2026-10-19。示例对照官方文档编写，未在读者环境实测。