Docling

Docling은 표와 그림이 있는 PDF, Word 문서, PowerPoint 파일 등 복잡한 문서 형식을, 단순한 PDF-텍스트 변환이 만들어내는 깨진 일반 텍스트가 아니라 LLM이 실제로 활용할 수 있는 레이아웃 정보를 보존한 구조화된 표현(Markdown이나 JSON 등)으로 파싱합니다. RAG와 LLM 수집 파이프라인을 염두에 두고 특별히 만들어졌습니다.

Docling은 정확한 구조 보존이 필요한, 문서를 LLM이나 RAG 파이프라인에 공급하는 팀에 적합하며, (카탈로그에 있는) Tesseract를 보완합니다 — Tesseract는 원시 픽셀에서 텍스트를 인식하는 반면, Docling은 문서의 구조와 레이아웃을 이해하는 데 초점을 맞춥니다.