Trải nghiệm khi dùng Docling
Sau khi cài bằng pip, bạn mở Terminal (cửa sổ gõ lệnh) và gõ docling kèm đường dẫn file hoặc một đường link PDF. Chương trình tải các mô hình phân tích bố cục về ở lần chạy đầu, rồi đọc tài liệu và ghi ra một file .md trong thư mục hiện tại. Mở file đó bạn sẽ thấy tiêu đề, đoạn văn, bảng biểu được giữ thành cấu trúc Markdown thay vì một đống chữ rối.
Với lập trình viên, trải nghiệm chính là vài dòng Python: tạo một DocumentConverter, đưa vào đường dẫn hoặc URL, rồi gọi hàm xuất ra Markdown. Kết quả này là nguyên liệu sạch để cắt nhỏ, nhúng vector và nạp vào hệ thống hỏi đáp tài liệu nội bộ. README cũng nói Docling chạy được cục bộ, phù hợp với dữ liệu nhạy cảm hoặc môi trường không có Internet (sau khi đã tải mô hình).
Docling còn có sẵn chế độ chạy thành dịch vụ (docling-serve), máy chủ MCP để các trợ lý AI gọi trực tiếp và tích hợp với LangChain, LlamaIndex, Crew AI, Haystack. Nếu bạn chỉ cần chuyển vài file PDF thì dùng dòng lệnh là đủ; nếu cần xử lý cả kho tài liệu công ty thì nên nối nó vào quy trình tự động.
Tính năng nổi bật
Đọc rất nhiều định dạng
PDF, DOCX, PPTX, XLSX, HTML, EPUB, ảnh, file âm thanh, email, LaTeX và nhiều định dạng khác, danh sách đầy đủ có trong tài liệu chính thức.
Hiểu bố cục trang PDF
Nhận ra thứ tự đọc, bảng biểu, công thức, đoạn mã và phân loại hình ảnh, nên văn bản ra không bị lẫn cột hay lộn xộn.
Nhiều kiểu kết quả
Xuất Markdown, HTML hoặc JSON giữ nguyên cấu trúc tài liệu (DoclingDocument) để các bước xử lý sau dùng lại.
OCR cho bản scan
Hỗ trợ nhận dạng chữ với PDF scan và ảnh, ngoài ra có thể dùng mô hình thị giác như GraniteDocling.
Chạy cục bộ
Xử lý ngay trên máy hoặc máy chủ của bạn, không bắt buộc gửi tài liệu lên dịch vụ ngoài.
Nối vào hệ sinh thái AI
Có tích hợp sẵn với LangChain, LlamaIndex, Crew AI, Haystack, kèm máy chủ API và máy chủ MCP.
Tận dụng Docling vào việc gì?
IT nội bộ, nhóm làm AI
Chuẩn bị tài liệu công ty cho chatbot nội bộ
Chuyển hàng loạt quy trình, hợp đồng, báo cáo PDF và Word sang Markdown sạch để cắt nhỏ và đưa vào hệ thống hỏi đáp tài liệu.
Phân tích dữ liệu, kế toán
Trích bảng từ báo cáo PDF
Đọc bảng trong báo cáo tài chính hoặc nghiên cứu thành dạng có cấu trúc để dán vào Excel hoặc xử lý tiếp bằng Python.
Sinh viên, người tự học
Biến tài liệu học tập thành ghi chú
Đưa giáo trình PDF hoặc slide PPTX qua Docling lấy Markdown, rồi nhờ một trợ lý AI tóm tắt hoặc tạo câu hỏi ôn tập.
Lập trình viên
Thu thập dữ liệu cho dự án RAG
Làm khâu đọc tài liệu đầu vào cho ứng dụng hỏi đáp, kết hợp với cơ sở dữ liệu vector như Qdrant, Milvus hay Chroma.
Cần chuẩn bị gì?
- Python 3.10 trở lên (README nói bản 3.9 đã bị bỏ từ phiên bản 2.70.0).
- Chạy được trên Windows, macOS và Linux, cả chip x86_64 lẫn arm64.
- Cần Internet ở lần chạy đầu để tải các mô hình phân tích bố cục; dung lượng tuỳ chế độ bạn dùng.
- Các mô hình nhận dạng nặng hơn (ví dụ mô hình thị giác) chạy nhanh hơn khi có GPU; tài liệu chính thức nêu chi tiết từng chế độ.
Hướng dẫn cài đặt chi tiết
Cài trên pip
Cài Python 3.10 trở lên rồi (khuyến nghị) tạo môi trường ảo để không lẫn với các dự án khác.
python -m venv .venvKích hoạt môi trường ảo. Trên Windows PowerShell dùng lệnh thứ nhất; trên macOS và Linux dùng lệnh thứ hai.
.venv\Scripts\Activate.ps1 # macOS / Linux: source .venv/bin/activateCài Docling bằng pip, lệnh chính thức trong README.
pip install doclingChi tiết thêm cho từng nền tảng nằm ở trang cài đặt trong tài liệu chính thức: docling-project.github.io/docling.
Dùng thử lần đầu
Chuyển một file PDF trên mạng sang Markdown bằng dòng lệnh (README dùng bài báo trên arXiv làm ví dụ). Kết quả là file
.mdtrong thư mục hiện tại.docling https://arxiv.org/pdf/2206.01062Thay đường link bằng đường dẫn tới file của bạn, ví dụ
bao-cao.pdf, rồi chạy lại.docling bao-cao.pdfMuốn dùng trong Python, lưu đoạn mã sau thành
thu.pyvà chạypython thu.py.from docling.document_converter import DocumentConverter source = "bao-cao.pdf" # đường dẫn file hoặc URL converter = DocumentConverter() result = converter.convert(source) print(result.document.export_to_markdown())Thử dùng mô hình thị giác GraniteDocling cho tài liệu khó bằng tuỳ chọn riêng (lần đầu sẽ tải mô hình về).
docling --vlm-model granite_docling bao-cao.pdf
Mẹo dùng hay
- Lần chạy đầu thường chậm vì phải tải mô hình; các lần sau nhanh hơn. Hãy thử với một file ngắn trước khi chạy cả thư mục.
- Đọc phần ví dụ (examples) và công thức (recipes) trong tài liệu chính thức: có sẵn mẫu cắt nhỏ văn bản, xuất sang LangChain hay LlamaIndex.
- Nếu cần cho trợ lý AI dùng trực tiếp, xem trang hướng dẫn máy chủ MCP của Docling thay vì tự viết mã.
Lưu ý và hạn chế
- Giấy phép mã nguồn là MIT, nhưng từng mô hình đi kèm có giấy phép riêng; README yêu cầu xem giấy phép gốc của từng mô hình trước khi dùng thương mại.
- Tài liệu cực phức tạp, scan chất lượng thấp hay chữ tiếng Việt có dấu ở ảnh mờ vẫn có thể ra kết quả sai; nên kiểm tra mẫu trước khi xử lý hàng loạt.
- Đây là công cụ cho lập trình viên hoặc người quen dòng lệnh, không có ứng dụng cửa sổ bấm chuột sẵn.
Câu hỏi thường gặp
Docling có đọc được tiếng Việt không?
Với PDF có sẵn lớp chữ thì chữ được lấy ra nguyên vẹn. Với bản scan cần OCR, kết quả phụ thuộc bộ OCR bạn chọn và chất lượng ảnh, nên hãy thử trên vài trang mẫu trước.
Có tốn phí hay cần API key không?
Bản mã nguồn mở miễn phí (MIT) và chạy cục bộ, không bắt buộc API key. Chỉ khi bạn nối thêm dịch vụ AI bên ngoài mới phát sinh chi phí của dịch vụ đó.
Khác gì so với chuyển PDF sang Word thông thường?
Docling nhắm tới việc tạo dữ liệu có cấu trúc (Markdown, JSON) cho AI và phần mềm xử lý, không phải để dàn trang đẹp như bản gốc.
Tải mã nguồn về máy
Nếu bạn muốn xem hoặc sửa mã nguồn, mở Terminal (trên Windows là PowerShell) và chạy lệnh dưới. Máy cần cài sẵn Git.
git clone https://github.com/docling-project/docling.gitRepo tương tự nên xem
Marker
datalab-to / marker
Chuyển PDF, ảnh, Word, PowerPoint thành Markdown, JSON hoặc HTML giữ nguyên bảng biểu và công thức
RAGFlow
infiniflow / ragflow
Nền tảng tự cài giúp AI trả lời dựa trên tài liệu của bạn, có trích dẫn nguồn.
OCRmyPDF
ocrmypdf / OCRmyPDF
Biến PDF scan thành PDF có lớp chữ, tìm kiếm và sao chép được, chỉ với một lệnh