Docling gør PDFs brugbare for AI: Derfor er layoutet en del af viden

Til venstre står materialerne til grundkurset, til højre de ekstra materialer til det videregående kursus. Efter tekstudtrækning skifter ordene linje for linje mellem de to kolonner. Alle begreberne er der, men vejledningen er ikke længere korrekt. Det er netop derfor, layout er en del af viden i dokumentbehandling.

Docling forbereder dokumenter til videre behandling. De officielle avancerede indstillinger beskriver også lokal brug med forberedte modelartefakter. Dens FAQ tilføjer forudsætninger for offlinedrift. En komplet eksport skal gøre mere end at levere så mange ord som muligt.

Et referencedokument med tre kendte sammenhænge

Lav først selv et lille dokument. Det indeholder to kolonner med forskellige kursustyper, en tabel med en fælles overskrift og en begrænsning under tabellen. Fordi du selv designer originalen, kan du beskrive dens sammenhænge før behandlingen.

Den følgende HTML-skabelon, som vi selv har skrevet, kan åbnes i browseren og udskrives som PDF via udskriftsfunktionen. Det er et undervisningsdokument, ikke et påstået parser-output. Du bør se på den faktiske udskriftsgengivelse før testen.

<!doctype html>
<meta charset="utf-8">
<style>
.spalten { display: grid; grid-template-columns: 1fr 1fr; gap: 24px; }
table { border-collapse: collapse; margin-top: 24px; }
th, td { border: 1px solid; padding: 8px; }
</style>
<section class="spalten">
  <div><h2>Basic course</h2><p>Four folders and two pens.</p></div>
  <div><h2>Advanced course</h2><p>Additionally, two exercise books.</p></div>
</section>
<table>
  <tr><th colspan="2">Material per group</th></tr>
  <tr><th>Item</th><th>Quantity</th></tr>
  <tr><td>Folders</td><td>4</td></tr>
</table>
<p>Open sealed packages only after approval.</p>

Læg mærke til målstrukturen: Materialerne til grundkurset holdes samlet. „Derudover“ refererer til det videregående kursus. Tallet fire hører til tabelrækken Mapper. Godkendelsesbetingelsen forbliver tilgængelig som en begrænsning. Denne liste beskriver betydning, ikke kun rækkefølgen af enkelte tegn.

Hold forberedelse og behandling adskilt

En eksisterende Docling-installation kan downloade modeller ved første brug. Til en planlagt isoleret test skal de nødvendige artefakter være på plads på forhånd. Dokumentationen nævner til dette formål en målrettet modeldownload, efterfulgt af en henvisning til den forberedte sti.

docling-tools models download
docling --artifacts-path="./vorbereitete-modelle" referenz.pdf

Den første kommando er en downloadindstilling, der udtrykkeligt er beregnet til at blive kørt på forhånd. I det andet eksempel skal du bruge den faktisk eksisterende artefaktsti; det viste mappenavn er et eksempelnavn, vi selv har valgt. Disse kommandoer blev ikke kørt til denne artikel. En modeldownload og den senere dokumentbehandling er forskellige operationer.

Notér også, hvilken pipeline og hvilke indstillinger du faktisk bruger. Et program, der startes lokalt, kan inddrage yderligere tjenester, hvis det er konfigureret til det. Offlinedrift følger af det forberedte setup, ikke af programnavnet alene.

Bedøm eksporten i forhold til originalen

Åbn en understøttet struktureret eksport fra den version, du har valgt, og sammenlign den med målstrukturen. Kig først efter de to kursusafsnit. Kontrollér derefter tabeloverskriften og tilknytningen af tallet. Undersøg til sidst, om godkendelsesbetingelsen er bevaret.

Et langt output kan indeholde det samme indhold flere gange eller miste sammenhænge. Et kortere output kan være mere nyttigt for den efterfølgende søgning, hvis overskrifter, afsnit og tabelreferencer passer sammen. Ren tekstmængde er derfor ikke et tilstrækkeligt kvalitetsmål.

I en anden runde ændrer du kun én layoutegenskab, for eksempel afstanden mellem kolonnerne. Gem den nye PDF-fil separat. Så kan du relatere en observeret ændring til en kendt inputbetingelse i stedet for at sammenligne en anden parserkørsel med et dokument, der har ændret sig ubemærket.

Hvorfor den senere AI afhænger af dette

En søgning eller et svar kan kun arbejde med de oplysninger, der faktisk stilles til rådighed for den. Hvis to separate lister bliver til én, kan selv en assistent, der formulerer sig godt, overtage den forkerte tilknytning af materialer. Et kildelink alene gør ikke denne tabte struktur synlig igen.

Den lille test hjælper derfor allerede før en stor arkivimport. På et dokument, du forstår, kontrollerer du, hvilke sammenhænge din pipeline bevarer, og hvor du skal efterbearbejde. Docling er ét behandlingstrin i en kæde. Teknisk kvalitet viser sig i, om betydningen forbliver sporbar fra originalen og helt frem til den senere brug.

Kilder og status

Kilder pr. 25. oktober 2026. Docling avancerede indstillinger — offlinebrug · Docling FAQ — helt offline.