18、性能之王对决｜Kreuzberg vs Docling 企业级文档解析横向评测

性能之王对决｜Kreuzberg vs Docling 企业级文档解析横向评测

深度对比Rust原生的文档智能框架与IBM的AI解析引擎，为你的RAG系统选对工具

目录

1. 引言：企业文档解析的四大核心需求

当企业将文档解析系统从“能用”推向“用好”，生产环境会暴露出一系列教科书和实验环境难以预见的挑战。RAG系统的上游文档解析环节，正成为落地过程中最隐蔽的性能瓶颈[reference:0]。

在生产环境中，企业对文档解析工具的核心需求可以归纳为四个维度：

渲染错误: Mermaid 渲染失败: Lexical error on line 3. Unrecognized text. …度 x-axis "低重要性" → "高重要性" y-axis ———————-^

在这场对决中，我们将深入剖析两个明星选手：

• Kreuzberg：一个基于Rust核心构建的“多语言文档智能框架”，声称平均速度快9倍，安装包仅71MB[reference:1]。
• Docling：IBM开源的专业文档解析引擎，成为Python社区中近乎事实标准的选择[reference:2]。

谁才是企业级生产环境的最佳选择？让我们从最硬核的数据开始。

#mermaid-svg-MQlXEEna0Oi2vhwi{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-MQlXEEna0Oi2vhwi .error-icon{fill:#552222;}#mermaid-svg-MQlXEEna0Oi2vhwi .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-MQlXEEna0Oi2vhwi .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-MQlXEEna0Oi2vhwi .marker{fill:#333333;stroke:#333333;}#mermaid-svg-MQlXEEna0Oi2vhwi .marker.cross{stroke:#333333;}#mermaid-svg-MQlXEEna0Oi2vhwi svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-MQlXEEna0Oi2vhwi p{margin:0;}#mermaid-svg-MQlXEEna0Oi2vhwi .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi .cluster-label text{fill:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi .cluster-label span{color:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi .cluster-label span p{background-color:transparent;}#mermaid-svg-MQlXEEna0Oi2vhwi .label text,#mermaid-svg-MQlXEEna0Oi2vhwi span{fill:#333;color:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi .node rect,#mermaid-svg-MQlXEEna0Oi2vhwi .node circle,#mermaid-svg-MQlXEEna0Oi2vhwi .node ellipse,#mermaid-svg-MQlXEEna0Oi2vhwi .node polygon,#mermaid-svg-MQlXEEna0Oi2vhwi .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-MQlXEEna0Oi2vhwi .rough-node .label text,#mermaid-svg-MQlXEEna0Oi2vhwi .node .label text,#mermaid-svg-MQlXEEna0Oi2vhwi .image-shape .label,#mermaid-svg-MQlXEEna0Oi2vhwi .icon-shape .label{text-anchor:middle;}#mermaid-svg-MQlXEEna0Oi2vhwi .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-MQlXEEna0Oi2vhwi .rough-node .label,#mermaid-svg-MQlXEEna0Oi2vhwi .node .label,#mermaid-svg-MQlXEEna0Oi2vhwi .image-shape .label,#mermaid-svg-MQlXEEna0Oi2vhwi .icon-shape .label{text-align:center;}#mermaid-svg-MQlXEEna0Oi2vhwi .node.clickable{cursor:pointer;}#mermaid-svg-MQlXEEna0Oi2vhwi .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-MQlXEEna0Oi2vhwi .arrowheadPath{fill:#333333;}#mermaid-svg-MQlXEEna0Oi2vhwi .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-MQlXEEna0Oi2vhwi .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-MQlXEEna0Oi2vhwi .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-MQlXEEna0Oi2vhwi .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-MQlXEEna0Oi2vhwi .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-MQlXEEna0Oi2vhwi .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-MQlXEEna0Oi2vhwi .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-MQlXEEna0Oi2vhwi .cluster text{fill:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi .cluster span{color:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-MQlXEEna0Oi2vhwi .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-MQlXEEna0Oi2vhwi rect.text{fill:none;stroke-width:0;}#mermaid-svg-MQlXEEna0Oi2vhwi .icon-shape,#mermaid-svg-MQlXEEna0Oi2vhwi .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-MQlXEEna0Oi2vhwi .icon-shape p,#mermaid-svg-MQlXEEna0Oi2vhwi .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-MQlXEEna0Oi2vhwi .icon-shape .label rect,#mermaid-svg-MQlXEEna0Oi2vhwi .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-MQlXEEna0Oi2vhwi .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-MQlXEEna0Oi2vhwi .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-MQlXEEna0Oi2vhwi :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

四大核心维度

生产环境

速度优先

结构理解优先

企业文档输入

文档解析引擎

⚡ 速度与吞吐量

💾 内存占用

🔀 并发与可扩展性

📊 格式支持与准确率

能否支撑大规模处理？

选型决策

Kreuzberg

Docling

2. Kreuzberg：Rust核心的多语言文档智能框架

2.1 从Python重写为Rust：一次彻底的架构升级

Kreuzberg最初是一个Python库，但随着使用场景从单机脚本扩展到生产级文档管道，Python实现的瓶颈日益明显——GIL限制了并发能力、内存占用难以优化、跨语言支持几乎不可能。

于是，Kreuzberg v4进行了彻底的Rust重写。这个决定带来了几个革命性的变化[reference:3]：

• 消除Python GIL瓶颈：Rust核心可以充分利用多核CPU，并发处理不再是限制。
• 抛弃Pandoc依赖：改用原生Rust解析器处理所有格式，不再需要维护LibreOffice等系统依赖[reference:4]。
• 10种语言绑定：同一套Rust核心通过FFI（外部函数接口）提供了Python、TypeScript/Node.js、Java、Go、C#、Ruby、PHP、Elixir、Rust和WASM的绑定，所有语言共享相同的API行为和提取结果[reference:5]。

#mermaid-svg-SvhyXK3xCT0CbkAh{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-SvhyXK3xCT0CbkAh .error-icon{fill:#552222;}#mermaid-svg-SvhyXK3xCT0CbkAh .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-SvhyXK3xCT0CbkAh .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-SvhyXK3xCT0CbkAh .marker{fill:#333333;stroke:#333333;}#mermaid-svg-SvhyXK3xCT0CbkAh .marker.cross{stroke:#333333;}#mermaid-svg-SvhyXK3xCT0CbkAh svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-SvhyXK3xCT0CbkAh p{margin:0;}#mermaid-svg-SvhyXK3xCT0CbkAh .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh .cluster-label text{fill:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh .cluster-label span{color:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh .cluster-label span p{background-color:transparent;}#mermaid-svg-SvhyXK3xCT0CbkAh .label text,#mermaid-svg-SvhyXK3xCT0CbkAh span{fill:#333;color:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh .node rect,#mermaid-svg-SvhyXK3xCT0CbkAh .node circle,#mermaid-svg-SvhyXK3xCT0CbkAh .node ellipse,#mermaid-svg-SvhyXK3xCT0CbkAh .node polygon,#mermaid-svg-SvhyXK3xCT0CbkAh .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-SvhyXK3xCT0CbkAh .rough-node .label text,#mermaid-svg-SvhyXK3xCT0CbkAh .node .label text,#mermaid-svg-SvhyXK3xCT0CbkAh .image-shape .label,#mermaid-svg-SvhyXK3xCT0CbkAh .icon-shape .label{text-anchor:middle;}#mermaid-svg-SvhyXK3xCT0CbkAh .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-SvhyXK3xCT0CbkAh .rough-node .label,#mermaid-svg-SvhyXK3xCT0CbkAh .node .label,#mermaid-svg-SvhyXK3xCT0CbkAh .image-shape .label,#mermaid-svg-SvhyXK3xCT0CbkAh .icon-shape .label{text-align:center;}#mermaid-svg-SvhyXK3xCT0CbkAh .node.clickable{cursor:pointer;}#mermaid-svg-SvhyXK3xCT0CbkAh .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-SvhyXK3xCT0CbkAh .arrowheadPath{fill:#333333;}#mermaid-svg-SvhyXK3xCT0CbkAh .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-SvhyXK3xCT0CbkAh .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-SvhyXK3xCT0CbkAh .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SvhyXK3xCT0CbkAh .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-SvhyXK3xCT0CbkAh .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SvhyXK3xCT0CbkAh .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-SvhyXK3xCT0CbkAh .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-SvhyXK3xCT0CbkAh .cluster text{fill:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh .cluster span{color:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-SvhyXK3xCT0CbkAh .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-SvhyXK3xCT0CbkAh rect.text{fill:none;stroke-width:0;}#mermaid-svg-SvhyXK3xCT0CbkAh .icon-shape,#mermaid-svg-SvhyXK3xCT0CbkAh .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-SvhyXK3xCT0CbkAh .icon-shape p,#mermaid-svg-SvhyXK3xCT0CbkAh .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-SvhyXK3xCT0CbkAh .icon-shape .label rect,#mermaid-svg-SvhyXK3xCT0CbkAh .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-SvhyXK3xCT0CbkAh .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-SvhyXK3xCT0CbkAh .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-SvhyXK3xCT0CbkAh :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

部署形态

Kreuzberg 架构

语言绑定层 (FFI)

🔴 Rust 核心引擎原生解析器 + OCR + 布局分析

Python

TypeScript/Node.js

Go

Java

Ruby

PHP

Elixir

C#

WASM

🐳 Docker 镜像

🖥️ CLI 工具

🌐 REST API

🔌 MCP Server

这种“一次编写，到处运行”的设计哲学对企业级应用意义重大：Python团队可以用Kreuzberg做数据管道，Go团队可以用它写微服务，TypeScript前端也可以直接调用——所有人使用同一套引擎、输出完全一致的结果[reference:6]。

2.2 安装与基础用法

Kreuzberg的安装极为简单。通过pip安装：

pip install kreuzberg

对于需要OCR功能的场景，可以安装带OCR支持的版本：

pip install kreuzberg[ocr]

基础使用示例：

import kreuzberg
import asyncio

# 同步方式
result = kreuzberg.extract_text("document.pdf")
print(result.text)
print(result.metadata)

# 异步方式（推荐用于生产环境）
async def extract_docs():
results = await asyncio.gather(*[
kreuzberg.extract_text_async(pdf_path)
for pdf_path in pdf_list
])
for result in results:
print(f"Page {result.page}: {result.text[:100]}…")

asyncio.run(extract_docs())

结构化提取与Markdown输出（v4.5+）：

# 提取文档结构（标题、段落、表格等）
from kreuzberg import ExtractionConfig

config = ExtractionConfig(
extract_structure=True, # 启用文档结构提取
output_format="markdown" # 输出Markdown格式
)

result = kreuzberg.extract_text(
"academic_paper.pdf",
config=config
)
print(result.markdown) # 带层级标题、表格、公式的Markdown

Kreuzberg提供了统一的同步/异步接口，并支持OCR、文档结构提取和嵌入生成。它的核心设计原则是开箱即用——无需配置复杂的系统依赖，即可处理50+种文档格式[reference:7]。

2.3 多后端OCR架构

Kreuzberg的OCR能力是其最引人注目的特性之一。它支持多种OCR后端，开发者可以根据场景灵活选择：

Kreuzberg v4.3.0引入的PaddleOCR后端尤其值得关注——这是首个在Rust中原生实现的PaddleOCR支持，意味着PaddleOCR的性能优势可以同时惠及所有语言绑定[reference:8]。对于中文文档的OCR识别，PaddleOCR相比Tesseract有明显优势，特别适合中国企业的文档处理场景[reference:9]。

#mermaid-svg-yuAYC78o5ovIp12W{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-yuAYC78o5ovIp12W .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-yuAYC78o5ovIp12W .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-yuAYC78o5ovIp12W .error-icon{fill:#552222;}#mermaid-svg-yuAYC78o5ovIp12W .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-yuAYC78o5ovIp12W .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-yuAYC78o5ovIp12W .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-yuAYC78o5ovIp12W .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-yuAYC78o5ovIp12W .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-yuAYC78o5ovIp12W .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-yuAYC78o5ovIp12W .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-yuAYC78o5ovIp12W .marker{fill:#333333;stroke:#333333;}#mermaid-svg-yuAYC78o5ovIp12W .marker.cross{stroke:#333333;}#mermaid-svg-yuAYC78o5ovIp12W svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-yuAYC78o5ovIp12W p{margin:0;}#mermaid-svg-yuAYC78o5ovIp12W .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-yuAYC78o5ovIp12W .cluster-label text{fill:#333;}#mermaid-svg-yuAYC78o5ovIp12W .cluster-label span{color:#333;}#mermaid-svg-yuAYC78o5ovIp12W .cluster-label span p{background-color:transparent;}#mermaid-svg-yuAYC78o5ovIp12W .label text,#mermaid-svg-yuAYC78o5ovIp12W span{fill:#333;color:#333;}#mermaid-svg-yuAYC78o5ovIp12W .node rect,#mermaid-svg-yuAYC78o5ovIp12W .node circle,#mermaid-svg-yuAYC78o5ovIp12W .node ellipse,#mermaid-svg-yuAYC78o5ovIp12W .node polygon,#mermaid-svg-yuAYC78o5ovIp12W .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-yuAYC78o5ovIp12W .rough-node .label text,#mermaid-svg-yuAYC78o5ovIp12W .node .label text,#mermaid-svg-yuAYC78o5ovIp12W .image-shape .label,#mermaid-svg-yuAYC78o5ovIp12W .icon-shape .label{text-anchor:middle;}#mermaid-svg-yuAYC78o5ovIp12W .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-yuAYC78o5ovIp12W .rough-node .label,#mermaid-svg-yuAYC78o5ovIp12W .node .label,#mermaid-svg-yuAYC78o5ovIp12W .image-shape .label,#mermaid-svg-yuAYC78o5ovIp12W .icon-shape .label{text-align:center;}#mermaid-svg-yuAYC78o5ovIp12W .node.clickable{cursor:pointer;}#mermaid-svg-yuAYC78o5ovIp12W .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-yuAYC78o5ovIp12W .arrowheadPath{fill:#333333;}#mermaid-svg-yuAYC78o5ovIp12W .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-yuAYC78o5ovIp12W .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-yuAYC78o5ovIp12W .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-yuAYC78o5ovIp12W .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-yuAYC78o5ovIp12W .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-yuAYC78o5ovIp12W .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-yuAYC78o5ovIp12W .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-yuAYC78o5ovIp12W .cluster text{fill:#333;}#mermaid-svg-yuAYC78o5ovIp12W .cluster span{color:#333;}#mermaid-svg-yuAYC78o5ovIp12W div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-yuAYC78o5ovIp12W .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-yuAYC78o5ovIp12W rect.text{fill:none;stroke-width:0;}#mermaid-svg-yuAYC78o5ovIp12W .icon-shape,#mermaid-svg-yuAYC78o5ovIp12W .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-yuAYC78o5ovIp12W .icon-shape p,#mermaid-svg-yuAYC78o5ovIp12W .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-yuAYC78o5ovIp12W .icon-shape .label rect,#mermaid-svg-yuAYC78o5ovIp12W .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-yuAYC78o5ovIp12W .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-yuAYC78o5ovIp12W .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-yuAYC78o5ovIp12W :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Kreuzberg OCR 架构

默认

中文优先

轻量级

Apple生态

Windows生态

📄 扫描图像/PDF

OCR路由器

🔧 Tesseract经典引擎

🐉 PaddleOCRRust原生

⚡ EasyOCR深度学习

🍎 Apple Vision

🪟 Windows OCR

📝 提取文本

2.4 内存占用与QPS实测

根据权威的独立基准测试（基于94份真实文档、~210MB数据），Kreuzberg在资源占用和吞吐量方面表现惊艳[reference:10][reference:11]：

#mermaid-svg-cquj91GgU4NA0Zat{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-cquj91GgU4NA0Zat .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-cquj91GgU4NA0Zat .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-cquj91GgU4NA0Zat .error-icon{fill:#552222;}#mermaid-svg-cquj91GgU4NA0Zat .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-cquj91GgU4NA0Zat .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-cquj91GgU4NA0Zat .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-cquj91GgU4NA0Zat .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-cquj91GgU4NA0Zat .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-cquj91GgU4NA0Zat .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-cquj91GgU4NA0Zat .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-cquj91GgU4NA0Zat .marker{fill:#333333;stroke:#333333;}#mermaid-svg-cquj91GgU4NA0Zat .marker.cross{stroke:#333333;}#mermaid-svg-cquj91GgU4NA0Zat svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-cquj91GgU4NA0Zat p{margin:0;}#mermaid-svg-cquj91GgU4NA0Zat .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-cquj91GgU4NA0Zat .cluster-label text{fill:#333;}#mermaid-svg-cquj91GgU4NA0Zat .cluster-label span{color:#333;}#mermaid-svg-cquj91GgU4NA0Zat .cluster-label span p{background-color:transparent;}#mermaid-svg-cquj91GgU4NA0Zat .label text,#mermaid-svg-cquj91GgU4NA0Zat span{fill:#333;color:#333;}#mermaid-svg-cquj91GgU4NA0Zat .node rect,#mermaid-svg-cquj91GgU4NA0Zat .node circle,#mermaid-svg-cquj91GgU4NA0Zat .node ellipse,#mermaid-svg-cquj91GgU4NA0Zat .node polygon,#mermaid-svg-cquj91GgU4NA0Zat .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-cquj91GgU4NA0Zat .rough-node .label text,#mermaid-svg-cquj91GgU4NA0Zat .node .label text,#mermaid-svg-cquj91GgU4NA0Zat .image-shape .label,#mermaid-svg-cquj91GgU4NA0Zat .icon-shape .label{text-anchor:middle;}#mermaid-svg-cquj91GgU4NA0Zat .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-cquj91GgU4NA0Zat .rough-node .label,#mermaid-svg-cquj91GgU4NA0Zat .node .label,#mermaid-svg-cquj91GgU4NA0Zat .image-shape .label,#mermaid-svg-cquj91GgU4NA0Zat .icon-shape .label{text-align:center;}#mermaid-svg-cquj91GgU4NA0Zat .node.clickable{cursor:pointer;}#mermaid-svg-cquj91GgU4NA0Zat .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-cquj91GgU4NA0Zat .arrowheadPath{fill:#333333;}#mermaid-svg-cquj91GgU4NA0Zat .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-cquj91GgU4NA0Zat .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-cquj91GgU4NA0Zat .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-cquj91GgU4NA0Zat .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-cquj91GgU4NA0Zat .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-cquj91GgU4NA0Zat .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-cquj91GgU4NA0Zat .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-cquj91GgU4NA0Zat .cluster text{fill:#333;}#mermaid-svg-cquj91GgU4NA0Zat .cluster span{color:#333;}#mermaid-svg-cquj91GgU4NA0Zat div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-cquj91GgU4NA0Zat .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-cquj91GgU4NA0Zat rect.text{fill:none;stroke-width:0;}#mermaid-svg-cquj91GgU4NA0Zat .icon-shape,#mermaid-svg-cquj91GgU4NA0Zat .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-cquj91GgU4NA0Zat .icon-shape p,#mermaid-svg-cquj91GgU4NA0Zat .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-cquj91GgU4NA0Zat .icon-shape .label rect,#mermaid-svg-cquj91GgU4NA0Zat .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-cquj91GgU4NA0Zat .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-cquj91GgU4NA0Zat .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-cquj91GgU4NA0Zat :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

安装包大小对比

Kreuzberg71 MB

Docling1,032 MB

MarkItDown251 MB

Unstructured146 MB

数据来源：基于94份真实文档的基准测试[reference:12]

特别值得注意的是，Kreuzberg在PDF Markdown提取质量上已经与Docling达到几乎持平的水平——在16份测试PDF上，Kreuzberg的平均F1为91.0%，Docling为91.4%，差异不到0.5个百分点[reference:13][reference:14]。而在速度方面，Kreuzberg比Docling快10-50倍。

#mermaid-svg-0jHqkVFUnDJrmffQ{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-0jHqkVFUnDJrmffQ .error-icon{fill:#552222;}#mermaid-svg-0jHqkVFUnDJrmffQ .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-0jHqkVFUnDJrmffQ .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-0jHqkVFUnDJrmffQ .marker{fill:#333333;stroke:#333333;}#mermaid-svg-0jHqkVFUnDJrmffQ .marker.cross{stroke:#333333;}#mermaid-svg-0jHqkVFUnDJrmffQ svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-0jHqkVFUnDJrmffQ p{margin:0;}#mermaid-svg-0jHqkVFUnDJrmffQ .mermaid-main-font{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}#mermaid-svg-0jHqkVFUnDJrmffQ .exclude-range{fill:#eeeeee;}#mermaid-svg-0jHqkVFUnDJrmffQ .section{stroke:none;opacity:0.2;}#mermaid-svg-0jHqkVFUnDJrmffQ .section0{fill:rgba(102, 102, 255, 0.49);}#mermaid-svg-0jHqkVFUnDJrmffQ .section2{fill:#fff400;}#mermaid-svg-0jHqkVFUnDJrmffQ .section1,#mermaid-svg-0jHqkVFUnDJrmffQ .section3{fill:white;opacity:0.2;}#mermaid-svg-0jHqkVFUnDJrmffQ .sectionTitle0{fill:#333;}#mermaid-svg-0jHqkVFUnDJrmffQ .sectionTitle1{fill:#333;}#mermaid-svg-0jHqkVFUnDJrmffQ .sectionTitle2{fill:#333;}#mermaid-svg-0jHqkVFUnDJrmffQ .sectionTitle3{fill:#333;}#mermaid-svg-0jHqkVFUnDJrmffQ .sectionTitle{text-anchor:start;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}#mermaid-svg-0jHqkVFUnDJrmffQ .grid .tick{stroke:lightgrey;opacity:0.8;shape-rendering:crispEdges;}#mermaid-svg-0jHqkVFUnDJrmffQ .grid .tick text{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;fill:#333;}#mermaid-svg-0jHqkVFUnDJrmffQ .grid path{stroke-width:0;}#mermaid-svg-0jHqkVFUnDJrmffQ .today{fill:none;stroke:red;stroke-width:2px;}#mermaid-svg-0jHqkVFUnDJrmffQ .task{stroke-width:2;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskText{text-anchor:middle;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutsideRight{fill:black;text-anchor:start;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutsideLeft{fill:black;text-anchor:end;}#mermaid-svg-0jHqkVFUnDJrmffQ .task.clickable{cursor:pointer;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskText.clickable{cursor:pointer;fill:#003163!important;font-weight:bold;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutsideLeft.clickable{cursor:pointer;fill:#003163!important;font-weight:bold;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutsideRight.clickable{cursor:pointer;fill:#003163!important;font-weight:bold;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskText0,#mermaid-svg-0jHqkVFUnDJrmffQ .taskText1,#mermaid-svg-0jHqkVFUnDJrmffQ .taskText2,#mermaid-svg-0jHqkVFUnDJrmffQ .taskText3{fill:white;}#mermaid-svg-0jHqkVFUnDJrmffQ .task0,#mermaid-svg-0jHqkVFUnDJrmffQ .task1,#mermaid-svg-0jHqkVFUnDJrmffQ .task2,#mermaid-svg-0jHqkVFUnDJrmffQ .task3{fill:#8a90dd;stroke:#534fbc;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutside0,#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutside2{fill:black;}#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutside1,#mermaid-svg-0jHqkVFUnDJrmffQ .taskTextOutside3{fill:black;}#mermaid-svg-0jHqkVFUnDJrmffQ .active0,#mermaid-svg-0jHqkVFUnDJrmffQ .active1,#mermaid-svg-0jHqkVFUnDJrmffQ .active2,#mermaid-svg-0jHqkVFUnDJrmffQ .active3{fill:#bfc7ff;stroke:#534fbc;}#mermaid-svg-0jHqkVFUnDJrmffQ .activeText0,#mermaid-svg-0jHqkVFUnDJrmffQ .activeText1,#mermaid-svg-0jHqkVFUnDJrmffQ .activeText2,#mermaid-svg-0jHqkVFUnDJrmffQ .activeText3{fill:black!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .done0,#mermaid-svg-0jHqkVFUnDJrmffQ .done1,#mermaid-svg-0jHqkVFUnDJrmffQ .done2,#mermaid-svg-0jHqkVFUnDJrmffQ .done3{stroke:grey;fill:lightgrey;stroke-width:2;}#mermaid-svg-0jHqkVFUnDJrmffQ .doneText0,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText1,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText2,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText3{fill:black!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .doneText0.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText0.taskTextOutsideRight,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText1.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText1.taskTextOutsideRight,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText2.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText2.taskTextOutsideRight,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText3.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneText3.taskTextOutsideRight{fill:black!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .crit0,#mermaid-svg-0jHqkVFUnDJrmffQ .crit1,#mermaid-svg-0jHqkVFUnDJrmffQ .crit2,#mermaid-svg-0jHqkVFUnDJrmffQ .crit3{stroke:#ff8888;fill:red;stroke-width:2;}#mermaid-svg-0jHqkVFUnDJrmffQ .activeCrit0,#mermaid-svg-0jHqkVFUnDJrmffQ .activeCrit1,#mermaid-svg-0jHqkVFUnDJrmffQ .activeCrit2,#mermaid-svg-0jHqkVFUnDJrmffQ .activeCrit3{stroke:#ff8888;fill:#bfc7ff;stroke-width:2;}#mermaid-svg-0jHqkVFUnDJrmffQ .doneCrit0,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCrit1,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCrit2,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCrit3{stroke:#ff8888;fill:lightgrey;stroke-width:2;cursor:pointer;shape-rendering:crispEdges;}#mermaid-svg-0jHqkVFUnDJrmffQ .milestone{transform:rotate(45deg) scale(0.8,0.8);}#mermaid-svg-0jHqkVFUnDJrmffQ .milestoneText{font-style:italic;}#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText0,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText1,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText2,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText3{fill:black!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText0.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText0.taskTextOutsideRight,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText1.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText1.taskTextOutsideRight,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText2.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText2.taskTextOutsideRight,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText3.taskTextOutsideLeft,#mermaid-svg-0jHqkVFUnDJrmffQ .doneCritText3.taskTextOutsideRight{fill:black!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .vert{stroke:navy;}#mermaid-svg-0jHqkVFUnDJrmffQ .vertText{font-size:15px;text-anchor:middle;fill:navy!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .activeCritText0,#mermaid-svg-0jHqkVFUnDJrmffQ .activeCritText1,#mermaid-svg-0jHqkVFUnDJrmffQ .activeCritText2,#mermaid-svg-0jHqkVFUnDJrmffQ .activeCritText3{fill:black!important;}#mermaid-svg-0jHqkVFUnDJrmffQ .titleText{text-anchor:middle;font-size:18px;fill:#333;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}#mermaid-svg-0jHqkVFUnDJrmffQ :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

00秒

00秒

00秒

00秒

00秒

00秒

00秒

00秒

00秒

00秒

表格识别

OCR处理

提取完成

模型加载

布局分析

Kreuzberg

Docling

单份复杂PDF处理时间对比

注：Docling处理中等以上复杂度的PDF时，经常出现超时或失败[reference:15]

内存占用实测：在实际运行中，Kreuzberg处理一份50MB的学术PDF时，峰值内存占用约为200-300MB，而Docling在同样任务下可能消耗1.5GB+内存[reference:16]。这意味着在资源受限的环境中（如AWS Lambda的内存限制为512MB-10GB），Kreuzberg可以稳定运行，而Docling则需要更昂贵的配置。

3. Docling：IBM出品的AI文档解析引擎

3.1 产品定位与开源背景

Docling是IBM Research开源的文档解析工具包，专为生成式AI和RAG系统设计。它在不到一年时间内收获了近3万GitHub Star，并成为Linux AI & Data Foundation的一部分[reference:17]。据报道，目前已有约47%的RAG系统正在使用或转向Docling[reference:18]。

Docling的核心价值主张非常明确：将PDF、Word、HTML等格式转换为结构化Markdown或JSON，同时保留文档的布局语义——标题层级、表格结构、阅读顺序[reference:19]。

它不同于传统OCR工具的地方在于：传统OCR只识别“哪里有文字”，而Docling理解“文字在文档中的角色”——哪个是标题、哪个是正文、哪个是表格、哪个是页脚。这种布局感知能力使其特别适合处理复杂的学术论文、财务报表和技术文档[reference:20]。

#mermaid-svg-YoB6Ea5g7SnpZvcc{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-YoB6Ea5g7SnpZvcc .error-icon{fill:#552222;}#mermaid-svg-YoB6Ea5g7SnpZvcc .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-YoB6Ea5g7SnpZvcc .marker{fill:#333333;stroke:#333333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .marker.cross{stroke:#333333;}#mermaid-svg-YoB6Ea5g7SnpZvcc svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-YoB6Ea5g7SnpZvcc p{margin:0;}#mermaid-svg-YoB6Ea5g7SnpZvcc .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .cluster-label text{fill:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .cluster-label span{color:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .cluster-label span p{background-color:transparent;}#mermaid-svg-YoB6Ea5g7SnpZvcc .label text,#mermaid-svg-YoB6Ea5g7SnpZvcc span{fill:#333;color:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .node rect,#mermaid-svg-YoB6Ea5g7SnpZvcc .node circle,#mermaid-svg-YoB6Ea5g7SnpZvcc .node ellipse,#mermaid-svg-YoB6Ea5g7SnpZvcc .node polygon,#mermaid-svg-YoB6Ea5g7SnpZvcc .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .rough-node .label text,#mermaid-svg-YoB6Ea5g7SnpZvcc .node .label text,#mermaid-svg-YoB6Ea5g7SnpZvcc .image-shape .label,#mermaid-svg-YoB6Ea5g7SnpZvcc .icon-shape .label{text-anchor:middle;}#mermaid-svg-YoB6Ea5g7SnpZvcc .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .rough-node .label,#mermaid-svg-YoB6Ea5g7SnpZvcc .node .label,#mermaid-svg-YoB6Ea5g7SnpZvcc .image-shape .label,#mermaid-svg-YoB6Ea5g7SnpZvcc .icon-shape .label{text-align:center;}#mermaid-svg-YoB6Ea5g7SnpZvcc .node.clickable{cursor:pointer;}#mermaid-svg-YoB6Ea5g7SnpZvcc .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .arrowheadPath{fill:#333333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-YoB6Ea5g7SnpZvcc .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-YoB6Ea5g7SnpZvcc .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-YoB6Ea5g7SnpZvcc .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-YoB6Ea5g7SnpZvcc .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .cluster text{fill:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc .cluster span{color:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-YoB6Ea5g7SnpZvcc .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-YoB6Ea5g7SnpZvcc rect.text{fill:none;stroke-width:0;}#mermaid-svg-YoB6Ea5g7SnpZvcc .icon-shape,#mermaid-svg-YoB6Ea5g7SnpZvcc .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-YoB6Ea5g7SnpZvcc .icon-shape p,#mermaid-svg-YoB6Ea5g7SnpZvcc .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-YoB6Ea5g7SnpZvcc .icon-shape .label rect,#mermaid-svg-YoB6Ea5g7SnpZvcc .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-YoB6Ea5g7SnpZvcc .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-YoB6Ea5g7SnpZvcc .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-YoB6Ea5g7SnpZvcc :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Docling 处理流程

ModelPipeline

DocLayNet布局分析模型

TableFormer表格识别模型

OCR光学字符识别

公式识别

📄 输入文档PDF/DOCX/PPTX/HTML/图片

PDF解析后端提取文本Token + 渲染页面图像

后处理聚合

📝 结构化输出Markdown / JSON / DocTags

3.2 核心AI模型：DocLayNet与TableFormer

Docling的强大之处在于其背后的一系列AI模型：

DocLayNet（布局分析模型） ：DocLayNet是一个用于文档布局分析的深度学习模型，能够识别17种不同的文档元素类型——标题、段落、表格、图表、页眉、页脚、脚注等[reference:21]。它基于RT-DETR v2架构（Docling内部称为Heron），专门针对文档图像的布局理解进行了优化。值得一提的是，Kreuzberg v4.5也开始集成DocLayNet模型来增强其文档结构理解能力[reference:22]。

TableFormer（表格识别模型） ：TableFormer专注于表格结构识别，能够还原表格的复杂结构——合并单元格、嵌套表格、跨页表格等。在多个基准测试中，Docling的表格识别准确率达到了97.9%的单元格准确率，在复杂多层级表格提取测试中表现出卓越的稳定性[reference:23][reference:24]。

#mermaid-svg-gIfWwKxjvhXkGUFt{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-gIfWwKxjvhXkGUFt .error-icon{fill:#552222;}#mermaid-svg-gIfWwKxjvhXkGUFt .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-gIfWwKxjvhXkGUFt .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-gIfWwKxjvhXkGUFt .marker{fill:#333333;stroke:#333333;}#mermaid-svg-gIfWwKxjvhXkGUFt .marker.cross{stroke:#333333;}#mermaid-svg-gIfWwKxjvhXkGUFt svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-gIfWwKxjvhXkGUFt p{margin:0;}#mermaid-svg-gIfWwKxjvhXkGUFt .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt .cluster-label text{fill:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt .cluster-label span{color:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt .cluster-label span p{background-color:transparent;}#mermaid-svg-gIfWwKxjvhXkGUFt .label text,#mermaid-svg-gIfWwKxjvhXkGUFt span{fill:#333;color:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt .node rect,#mermaid-svg-gIfWwKxjvhXkGUFt .node circle,#mermaid-svg-gIfWwKxjvhXkGUFt .node ellipse,#mermaid-svg-gIfWwKxjvhXkGUFt .node polygon,#mermaid-svg-gIfWwKxjvhXkGUFt .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-gIfWwKxjvhXkGUFt .rough-node .label text,#mermaid-svg-gIfWwKxjvhXkGUFt .node .label text,#mermaid-svg-gIfWwKxjvhXkGUFt .image-shape .label,#mermaid-svg-gIfWwKxjvhXkGUFt .icon-shape .label{text-anchor:middle;}#mermaid-svg-gIfWwKxjvhXkGUFt .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-gIfWwKxjvhXkGUFt .rough-node .label,#mermaid-svg-gIfWwKxjvhXkGUFt .node .label,#mermaid-svg-gIfWwKxjvhXkGUFt .image-shape .label,#mermaid-svg-gIfWwKxjvhXkGUFt .icon-shape .label{text-align:center;}#mermaid-svg-gIfWwKxjvhXkGUFt .node.clickable{cursor:pointer;}#mermaid-svg-gIfWwKxjvhXkGUFt .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-gIfWwKxjvhXkGUFt .arrowheadPath{fill:#333333;}#mermaid-svg-gIfWwKxjvhXkGUFt .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-gIfWwKxjvhXkGUFt .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-gIfWwKxjvhXkGUFt .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-gIfWwKxjvhXkGUFt .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-gIfWwKxjvhXkGUFt .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-gIfWwKxjvhXkGUFt .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-gIfWwKxjvhXkGUFt .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-gIfWwKxjvhXkGUFt .cluster text{fill:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt .cluster span{color:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-gIfWwKxjvhXkGUFt .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-gIfWwKxjvhXkGUFt rect.text{fill:none;stroke-width:0;}#mermaid-svg-gIfWwKxjvhXkGUFt .icon-shape,#mermaid-svg-gIfWwKxjvhXkGUFt .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-gIfWwKxjvhXkGUFt .icon-shape p,#mermaid-svg-gIfWwKxjvhXkGUFt .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-gIfWwKxjvhXkGUFt .icon-shape .label rect,#mermaid-svg-gIfWwKxjvhXkGUFt .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-gIfWwKxjvhXkGUFt .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-gIfWwKxjvhXkGUFt .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-gIfWwKxjvhXkGUFt :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Docling AI 模型矩阵

DocLayNet布局分析

检测17种元素类型标题/段落/表格/图表/页眉/页脚

TableFormer表格识别

还原表格结构合并单元格/跨页表格/嵌套表格

OCR引擎

扫描件文字识别

公式识别

数学公式→LaTeX

3.3 一键转Markdown/JSON：公式与代码块的完美还原

Docling最受用户欢迎的特性是一键转换。以下是一段典型的Docling使用代码：

from docling.document_converter import DocumentConverter

# 创建转换器
converter = DocumentConverter()

# 转换PDF为Markdown
result = converter.convert("academic_paper.pdf")
markdown_output = result.document.export_to_markdown()

# 或导出为JSON
json_output = result.document.export_to_dict()

print(markdown_output)

公式识别：Docling能够将PDF中的数学公式转换为LaTeX格式，这对于学术文献的RAG系统至关重要。一个典型的输出示例是：

# 第一章：贝叶斯定理

贝叶斯定理的数学表达式为：

$$
P(A|B) = \\frac{P(B|A) \\cdot P(A)}{P(B)}
$$

其中：
– $P(A|B)$ 是后验概率
– $P(B|A)$ 是似然函数

表格识别：Docling在中文复杂表格提取方面的表现尤其出色。在一项针对中文PDF的实战评测中，Docling成功识别了一个三层嵌套、带阴影填充的复杂表格，合并单元格标记完全正确[reference:25]。

| 季度 | 营收(万元) | 同比增长 | 环比增长 |
|——|———–|———|———|
| Q1 | 12,345 | +15.2% | – |
| Q2 | 13,567 | +18.1% | +9.9% |
| Q3 | 14,890 | +22.3% | +9.7% |

代码块识别：对于技术文档，Docling能够识别代码块并保留语法高亮信息，输出格式为Markdown代码块。

#mermaid-svg-jrJEyE0ibuR7tnxj{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-jrJEyE0ibuR7tnxj .error-icon{fill:#552222;}#mermaid-svg-jrJEyE0ibuR7tnxj .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-jrJEyE0ibuR7tnxj .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-jrJEyE0ibuR7tnxj .marker{fill:#333333;stroke:#333333;}#mermaid-svg-jrJEyE0ibuR7tnxj .marker.cross{stroke:#333333;}#mermaid-svg-jrJEyE0ibuR7tnxj svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-jrJEyE0ibuR7tnxj p{margin:0;}#mermaid-svg-jrJEyE0ibuR7tnxj .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj .cluster-label text{fill:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj .cluster-label span{color:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj .cluster-label span p{background-color:transparent;}#mermaid-svg-jrJEyE0ibuR7tnxj .label text,#mermaid-svg-jrJEyE0ibuR7tnxj span{fill:#333;color:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj .node rect,#mermaid-svg-jrJEyE0ibuR7tnxj .node circle,#mermaid-svg-jrJEyE0ibuR7tnxj .node ellipse,#mermaid-svg-jrJEyE0ibuR7tnxj .node polygon,#mermaid-svg-jrJEyE0ibuR7tnxj .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-jrJEyE0ibuR7tnxj .rough-node .label text,#mermaid-svg-jrJEyE0ibuR7tnxj .node .label text,#mermaid-svg-jrJEyE0ibuR7tnxj .image-shape .label,#mermaid-svg-jrJEyE0ibuR7tnxj .icon-shape .label{text-anchor:middle;}#mermaid-svg-jrJEyE0ibuR7tnxj .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-jrJEyE0ibuR7tnxj .rough-node .label,#mermaid-svg-jrJEyE0ibuR7tnxj .node .label,#mermaid-svg-jrJEyE0ibuR7tnxj .image-shape .label,#mermaid-svg-jrJEyE0ibuR7tnxj .icon-shape .label{text-align:center;}#mermaid-svg-jrJEyE0ibuR7tnxj .node.clickable{cursor:pointer;}#mermaid-svg-jrJEyE0ibuR7tnxj .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-jrJEyE0ibuR7tnxj .arrowheadPath{fill:#333333;}#mermaid-svg-jrJEyE0ibuR7tnxj .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-jrJEyE0ibuR7tnxj .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-jrJEyE0ibuR7tnxj .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-jrJEyE0ibuR7tnxj .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-jrJEyE0ibuR7tnxj .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-jrJEyE0ibuR7tnxj .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-jrJEyE0ibuR7tnxj .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-jrJEyE0ibuR7tnxj .cluster text{fill:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj .cluster span{color:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-jrJEyE0ibuR7tnxj .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-jrJEyE0ibuR7tnxj rect.text{fill:none;stroke-width:0;}#mermaid-svg-jrJEyE0ibuR7tnxj .icon-shape,#mermaid-svg-jrJEyE0ibuR7tnxj .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-jrJEyE0ibuR7tnxj .icon-shape p,#mermaid-svg-jrJEyE0ibuR7tnxj .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-jrJEyE0ibuR7tnxj .icon-shape .label rect,#mermaid-svg-jrJEyE0ibuR7tnxj .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-jrJEyE0ibuR7tnxj .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-jrJEyE0ibuR7tnxj .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-jrJEyE0ibuR7tnxj :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Docling 输出格式

PDF文档

DocumentConverter

📝 Markdown • 层级标题 # ## ### • 表格 |—|—| • 公式

L

a

T

e

X

• 代码块 ```lang

🔧 JSON• 完整结构化数据• 坐标/边界框• 元素类型标签

🏷️ DocTags• IBM专有格式• 端到端文档理解

3.4 性能特点与资源消耗

Docling的架构基于深度学习推理，这意味着：

• 模型加载需要时间：首次调用时需要加载多个AI模型（DocLayNet、TableFormer等），冷启动延迟较高[reference:26]。
• 处理是顺序的：每页依次执行布局分析、表格识别、OCR等步骤，无法充分利用多核CPU。
• 内存使用随文档复杂性增加：处理复杂布局的学术论文时，内存占用可达数GB。
• 对GPU有依赖：虽然在CPU上也能运行，但GPU加速能显著提升速度。

这些特性决定了Docling更适合离线批量处理或研究原型开发，而不是对延迟敏感的实时生产管道[reference:27]。

4. RAG集成能力对比：谁更适合AI应用？

在RAG系统日益普及的今天，文档解析工具与AI框架的集成能力成为选型的关键考量。

4.1 Docling：LangChain与LlamaIndex的天然搭档

Docling从一开始就是为RAG设计的。它提供了官方的LangChain和LlamaIndex集成，开发者可以非常方便地将Docling嵌入现有的AI应用管道[reference:28]。

LangChain集成示例：

from langchain_community.document_loaders import DoclingLoader

loader = DoclingLoader(file_path="document.pdf")
documents = loader.load()

# 直接用于RAG chain
from langchain.chains import RetrievalQA
qa_chain = RetrievalQA.from_chain_type(
llm=llm,
retriever=vector_store.as_retriever(),
chain_type="stuff"
)

LlamaIndex集成示例：

from llama_index.readers.docling import DoclingReader

reader = DoclingReader()
documents = reader.load_data(file="document.pdf")

# 构建索引
index = VectorStoreIndex.from_documents(documents)
query_engine = index.as_query_engine()

Docling还通过BaseChunker接口支持灵活的文档分块策略——它可以按标题层级切分文档，将过小的碎片合并，同时保留元数据供后续引用溯源[reference:29]。这种语义感知的分块对于RAG系统的检索质量至关重要，可以确保检索到的片段是完整的上下文单元，而不是从段落中间硬截出来的半截句子[reference:30]。

#mermaid-svg-nDG1oS54NXaaHUME{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-nDG1oS54NXaaHUME .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-nDG1oS54NXaaHUME .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-nDG1oS54NXaaHUME .error-icon{fill:#552222;}#mermaid-svg-nDG1oS54NXaaHUME .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-nDG1oS54NXaaHUME .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-nDG1oS54NXaaHUME .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-nDG1oS54NXaaHUME .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-nDG1oS54NXaaHUME .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-nDG1oS54NXaaHUME .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-nDG1oS54NXaaHUME .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-nDG1oS54NXaaHUME .marker{fill:#333333;stroke:#333333;}#mermaid-svg-nDG1oS54NXaaHUME .marker.cross{stroke:#333333;}#mermaid-svg-nDG1oS54NXaaHUME svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-nDG1oS54NXaaHUME p{margin:0;}#mermaid-svg-nDG1oS54NXaaHUME .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-nDG1oS54NXaaHUME .cluster-label text{fill:#333;}#mermaid-svg-nDG1oS54NXaaHUME .cluster-label span{color:#333;}#mermaid-svg-nDG1oS54NXaaHUME .cluster-label span p{background-color:transparent;}#mermaid-svg-nDG1oS54NXaaHUME .label text,#mermaid-svg-nDG1oS54NXaaHUME span{fill:#333;color:#333;}#mermaid-svg-nDG1oS54NXaaHUME .node rect,#mermaid-svg-nDG1oS54NXaaHUME .node circle,#mermaid-svg-nDG1oS54NXaaHUME .node ellipse,#mermaid-svg-nDG1oS54NXaaHUME .node polygon,#mermaid-svg-nDG1oS54NXaaHUME .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-nDG1oS54NXaaHUME .rough-node .label text,#mermaid-svg-nDG1oS54NXaaHUME .node .label text,#mermaid-svg-nDG1oS54NXaaHUME .image-shape .label,#mermaid-svg-nDG1oS54NXaaHUME .icon-shape .label{text-anchor:middle;}#mermaid-svg-nDG1oS54NXaaHUME .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-nDG1oS54NXaaHUME .rough-node .label,#mermaid-svg-nDG1oS54NXaaHUME .node .label,#mermaid-svg-nDG1oS54NXaaHUME .image-shape .label,#mermaid-svg-nDG1oS54NXaaHUME .icon-shape .label{text-align:center;}#mermaid-svg-nDG1oS54NXaaHUME .node.clickable{cursor:pointer;}#mermaid-svg-nDG1oS54NXaaHUME .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-nDG1oS54NXaaHUME .arrowheadPath{fill:#333333;}#mermaid-svg-nDG1oS54NXaaHUME .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-nDG1oS54NXaaHUME .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-nDG1oS54NXaaHUME .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-nDG1oS54NXaaHUME .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-nDG1oS54NXaaHUME .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-nDG1oS54NXaaHUME .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-nDG1oS54NXaaHUME .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-nDG1oS54NXaaHUME .cluster text{fill:#333;}#mermaid-svg-nDG1oS54NXaaHUME .cluster span{color:#333;}#mermaid-svg-nDG1oS54NXaaHUME div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-nDG1oS54NXaaHUME .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-nDG1oS54NXaaHUME rect.text{fill:none;stroke-width:0;}#mermaid-svg-nDG1oS54NXaaHUME .icon-shape,#mermaid-svg-nDG1oS54NXaaHUME .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-nDG1oS54NXaaHUME .icon-shape p,#mermaid-svg-nDG1oS54NXaaHUME .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-nDG1oS54NXaaHUME .icon-shape .label rect,#mermaid-svg-nDG1oS54NXaaHUME .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-nDG1oS54NXaaHUME .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-nDG1oS54NXaaHUME .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-nDG1oS54NXaaHUME :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Docling RAG 集成生态

Docling 文档解析

LangChainDoclingLoader

LlamaIndexDoclingReader

Haystack插件集成

Crew AI代理集成

RAG应用

RAG应用

RAG应用

AI Agent应用

4.2 Kreuzberg：REST API与MCP驱动的灵活集成

Kreuzberg的集成方式更加多样化，因为它不局限于Python生态：

原生REST API：Kreuzberg提供了开箱即用的REST API服务，可以通过Docker快速部署：

docker run -p 8000:8000 kreuzberg/kreuzberg

curl -X POST http://localhost:8000/extract \\
-F "file=@document.pdf" \\
-F "format=markdown"

MCP Server集成：Kreuzberg还实现了Model Context Protocol（MCP）服务器，可以直接与支持MCP的AI Agent集成[reference:31]。

多语言SDK：对于不同技术栈的团队，Kreuzberg提供了原生SDK：

// TypeScript/Node.js 示例
import { extractText } from 'kreuzberg';

const result = await extractText('document.pdf');
console.log(result.text);

// Go 示例
package main

import "github.com/kreuzberg-dev/kreuzberg/go"

func main() {
result := kreuzberg.ExtractText("document.pdf")
println(result.Text)
}

REST API vs 原生SDK：选择哪种集成方式取决于具体场景。REST API适合跨语言微服务和团队间解耦，原生SDK则提供更低的延迟和更完整的类型安全。

#mermaid-svg-KeXQPiYk4Y7ZayVN{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-KeXQPiYk4Y7ZayVN .error-icon{fill:#552222;}#mermaid-svg-KeXQPiYk4Y7ZayVN .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-KeXQPiYk4Y7ZayVN .marker{fill:#333333;stroke:#333333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .marker.cross{stroke:#333333;}#mermaid-svg-KeXQPiYk4Y7ZayVN svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-KeXQPiYk4Y7ZayVN p{margin:0;}#mermaid-svg-KeXQPiYk4Y7ZayVN .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .cluster-label text{fill:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .cluster-label span{color:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .cluster-label span p{background-color:transparent;}#mermaid-svg-KeXQPiYk4Y7ZayVN .label text,#mermaid-svg-KeXQPiYk4Y7ZayVN span{fill:#333;color:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .node rect,#mermaid-svg-KeXQPiYk4Y7ZayVN .node circle,#mermaid-svg-KeXQPiYk4Y7ZayVN .node ellipse,#mermaid-svg-KeXQPiYk4Y7ZayVN .node polygon,#mermaid-svg-KeXQPiYk4Y7ZayVN .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .rough-node .label text,#mermaid-svg-KeXQPiYk4Y7ZayVN .node .label text,#mermaid-svg-KeXQPiYk4Y7ZayVN .image-shape .label,#mermaid-svg-KeXQPiYk4Y7ZayVN .icon-shape .label{text-anchor:middle;}#mermaid-svg-KeXQPiYk4Y7ZayVN .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .rough-node .label,#mermaid-svg-KeXQPiYk4Y7ZayVN .node .label,#mermaid-svg-KeXQPiYk4Y7ZayVN .image-shape .label,#mermaid-svg-KeXQPiYk4Y7ZayVN .icon-shape .label{text-align:center;}#mermaid-svg-KeXQPiYk4Y7ZayVN .node.clickable{cursor:pointer;}#mermaid-svg-KeXQPiYk4Y7ZayVN .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .arrowheadPath{fill:#333333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-KeXQPiYk4Y7ZayVN .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-KeXQPiYk4Y7ZayVN .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-KeXQPiYk4Y7ZayVN .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-KeXQPiYk4Y7ZayVN .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .cluster text{fill:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN .cluster span{color:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-KeXQPiYk4Y7ZayVN .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-KeXQPiYk4Y7ZayVN rect.text{fill:none;stroke-width:0;}#mermaid-svg-KeXQPiYk4Y7ZayVN .icon-shape,#mermaid-svg-KeXQPiYk4Y7ZayVN .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-KeXQPiYk4Y7ZayVN .icon-shape p,#mermaid-svg-KeXQPiYk4Y7ZayVN .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-KeXQPiYk4Y7ZayVN .icon-shape .label rect,#mermaid-svg-KeXQPiYk4Y7ZayVN .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-KeXQPiYk4Y7ZayVN .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-KeXQPiYk4Y7ZayVN .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-KeXQPiYk4Y7ZayVN :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Kreuzberg 集成方式

HTTP

MCP

FFI

FFI

FFI

Rust核心引擎

🌐 REST API跨语言微服务

🔌 MCP ServerAI Agent集成

🐍 Python SDK原生调用

📘 TypeScript SDK前端/后端

🔷 Go SDK微服务

任意HTTP客户端

Claude/Cursor等AI Agent

LangChain集成

4.3 RAG管道中的Chunking策略对比

RAG系统的效果很大程度上取决于如何对文档进行分块。两种工具在分块策略上采取了不同的路径：

Docling的HybridChunker采用“分层+混合”的策略：先按标题层级切分，再把过小的碎片合并，同时保留元数据方便后续引用溯源[reference:32]。这种策略对于技术文档、合同、论文这类结构化PDF的检索准确率提升非常明显。

Kreuzberg则提供了字节级精确的位置跟踪，可以在提取结果中精确知道每个字符在原始文档中的位置偏移量，这对于需要精确引用和溯源的场景非常关键[reference:33]。

5. 横向对比总览：速度/内存/准确率/格式支持

5.1 核心指标对比表

数据来源：基准测试[reference:34][reference:35][reference:36]

5.2 可视化性能对比

#mermaid-svg-O8YkivbCNXOjkRwL{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-O8YkivbCNXOjkRwL .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-O8YkivbCNXOjkRwL .error-icon{fill:#552222;}#mermaid-svg-O8YkivbCNXOjkRwL .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-O8YkivbCNXOjkRwL .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-O8YkivbCNXOjkRwL .marker{fill:#333333;stroke:#333333;}#mermaid-svg-O8YkivbCNXOjkRwL .marker.cross{stroke:#333333;}#mermaid-svg-O8YkivbCNXOjkRwL svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-O8YkivbCNXOjkRwL p{margin:0;}#mermaid-svg-O8YkivbCNXOjkRwL :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

安装包大小对比 (MB) – 越小越好

Kreuzberg

Unstructured

MarkItDown

Docling

1100

1000

900

800

700

600

500

400

300

200

100

0

MB

#mermaid-svg-z5nelh6tVO3yr7B7{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-z5nelh6tVO3yr7B7 .error-icon{fill:#552222;}#mermaid-svg-z5nelh6tVO3yr7B7 .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-z5nelh6tVO3yr7B7 .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-z5nelh6tVO3yr7B7 .marker{fill:#333333;stroke:#333333;}#mermaid-svg-z5nelh6tVO3yr7B7 .marker.cross{stroke:#333333;}#mermaid-svg-z5nelh6tVO3yr7B7 svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-z5nelh6tVO3yr7B7 p{margin:0;}#mermaid-svg-z5nelh6tVO3yr7B7 :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

处理速度对比 – 越大越好

Kreuzberg

Unstructured

MarkItDown

Docling

40

35

30

25

20

15

10

5

0

文件/秒

注：Docling以“文件/秒”衡量时数值极小，实际更合理的衡量单位是“分钟/文件”

5.3 优劣势总结

Kreuzberg优势：

• 🚀 极致性能：9倍平均速度优势，10-50倍PDF处理速度
• 💾 资源友好：71MB安装包，低内存占用，适合边缘部署
• 🌐 多语言支持：10种语言绑定，真正的“一次编写，到处运行”
• 🖥️ 多部署形态：REST API、MCP Server、CLI、Docker全覆盖
• 🏠 本地处理：无需GPU，适合数据隐私敏感场景

Kreuzberg不足：

• 📊 布局分析：虽已集成DocLayNet模型，但深度略逊于Docling
• 📖 文档与社区：社区规模小于Docling
• 🧩 表格识别：复杂表格的识别准确率不及Docling

Docling优势：

• 🧠 AI原生架构：深度学习模型提供业界领先的布局理解
• 📋 表格识别：97.9%的单元格准确率，行业顶尖水平
• 🔗 RAG原生集成：LangChain/LlamaIndex官方支持
• 🎓 学术文档优化：公式、参考文献、多栏排版处理出色
• 👥 社区支持：近3万GitHub Star，活跃的开源生态

Docling不足：

• 🐢 性能瓶颈：单份复杂文档处理可能超过60分钟
• 💾 资源占用大：1GB+安装包，高内存消耗
• 🐍 Python绑定：主要绑定Python，多语言支持有限
• ❄️ 冷启动慢：深度学习模型加载耗时
• 🔄 并发受限：顺序处理架构难以水平扩展

6. 选型指南：小规模微服务 vs 大规模数据管道

基于以上分析，我们可以根据不同的业务场景给出明确的选型建议。

6.1 场景一：小规模微服务

典型需求：

• 轻量部署（AWS Lambda、边缘节点）
• 低延迟响应（用户实时请求）
• 多语言技术栈（团队使用不同编程语言）
• 数据隐私优先（本地处理，不上传云端）

推荐方案：Kreuzberg

核心理由：

• 71MB安装包可在Lambda的512MB内存限制内稳定运行
• 极低冷启动延迟，适合无服务器架构
• 10种语言绑定完美匹配异构团队
• REST API和MCP Server开箱即用

参考部署方案：

#mermaid-svg-m3KvsnFuiHH20miU{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-m3KvsnFuiHH20miU .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-m3KvsnFuiHH20miU .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-m3KvsnFuiHH20miU .error-icon{fill:#552222;}#mermaid-svg-m3KvsnFuiHH20miU .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-m3KvsnFuiHH20miU .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-m3KvsnFuiHH20miU .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-m3KvsnFuiHH20miU .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-m3KvsnFuiHH20miU .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-m3KvsnFuiHH20miU .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-m3KvsnFuiHH20miU .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-m3KvsnFuiHH20miU .marker{fill:#333333;stroke:#333333;}#mermaid-svg-m3KvsnFuiHH20miU .marker.cross{stroke:#333333;}#mermaid-svg-m3KvsnFuiHH20miU svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-m3KvsnFuiHH20miU p{margin:0;}#mermaid-svg-m3KvsnFuiHH20miU .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-m3KvsnFuiHH20miU .cluster-label text{fill:#333;}#mermaid-svg-m3KvsnFuiHH20miU .cluster-label span{color:#333;}#mermaid-svg-m3KvsnFuiHH20miU .cluster-label span p{background-color:transparent;}#mermaid-svg-m3KvsnFuiHH20miU .label text,#mermaid-svg-m3KvsnFuiHH20miU span{fill:#333;color:#333;}#mermaid-svg-m3KvsnFuiHH20miU .node rect,#mermaid-svg-m3KvsnFuiHH20miU .node circle,#mermaid-svg-m3KvsnFuiHH20miU .node ellipse,#mermaid-svg-m3KvsnFuiHH20miU .node polygon,#mermaid-svg-m3KvsnFuiHH20miU .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-m3KvsnFuiHH20miU .rough-node .label text,#mermaid-svg-m3KvsnFuiHH20miU .node .label text,#mermaid-svg-m3KvsnFuiHH20miU .image-shape .label,#mermaid-svg-m3KvsnFuiHH20miU .icon-shape .label{text-anchor:middle;}#mermaid-svg-m3KvsnFuiHH20miU .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-m3KvsnFuiHH20miU .rough-node .label,#mermaid-svg-m3KvsnFuiHH20miU .node .label,#mermaid-svg-m3KvsnFuiHH20miU .image-shape .label,#mermaid-svg-m3KvsnFuiHH20miU .icon-shape .label{text-align:center;}#mermaid-svg-m3KvsnFuiHH20miU .node.clickable{cursor:pointer;}#mermaid-svg-m3KvsnFuiHH20miU .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-m3KvsnFuiHH20miU .arrowheadPath{fill:#333333;}#mermaid-svg-m3KvsnFuiHH20miU .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-m3KvsnFuiHH20miU .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-m3KvsnFuiHH20miU .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-m3KvsnFuiHH20miU .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-m3KvsnFuiHH20miU .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-m3KvsnFuiHH20miU .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-m3KvsnFuiHH20miU .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-m3KvsnFuiHH20miU .cluster text{fill:#333;}#mermaid-svg-m3KvsnFuiHH20miU .cluster span{color:#333;}#mermaid-svg-m3KvsnFuiHH20miU div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-m3KvsnFuiHH20miU .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-m3KvsnFuiHH20miU rect.text{fill:none;stroke-width:0;}#mermaid-svg-m3KvsnFuiHH20miU .icon-shape,#mermaid-svg-m3KvsnFuiHH20miU .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-m3KvsnFuiHH20miU .icon-shape p,#mermaid-svg-m3KvsnFuiHH20miU .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-m3KvsnFuiHH20miU .icon-shape .label rect,#mermaid-svg-m3KvsnFuiHH20miU .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-m3KvsnFuiHH20miU .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-m3KvsnFuiHH20miU .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-m3KvsnFuiHH20miU :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

Kubernetes + Kreuzberg REST API

Ingress

K8s Service

Pod: Kreuzberg API

Pod: Kreuzberg API

持久化存储

AWS Lambda + Kreuzberg

API Gateway

Lambda FunctionKreuzberg层

S3存储

提取结果

6.2 场景二：大规模数据管道

典型需求：

• 离线批量处理（数万份文档/天）
• 精确布局理解（财务报表、学术论文）
• 表格/公式的高精度提取
• 可接受较长的单份文档处理时间

推荐方案：Docling

核心理由：

• 97.9%的表格识别准确率对财务场景至关重要
• 公式→LaTeX的精确转换满足学术需求
• 虽然单份处理慢，但可批量处理并接受长尾延迟
• LangChain/LlamaIndex原生集成简化RAG管道构建

Docling性能优化建议：

6.3 场景三：混合场景（推荐方案）

对于既有实时需求又有批量处理需求的企业，混合部署可能是最优解：

#mermaid-svg-lJWhDRHpQD9TShMP{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-lJWhDRHpQD9TShMP .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-lJWhDRHpQD9TShMP .error-icon{fill:#552222;}#mermaid-svg-lJWhDRHpQD9TShMP .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-lJWhDRHpQD9TShMP .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-lJWhDRHpQD9TShMP .marker{fill:#333333;stroke:#333333;}#mermaid-svg-lJWhDRHpQD9TShMP .marker.cross{stroke:#333333;}#mermaid-svg-lJWhDRHpQD9TShMP svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-lJWhDRHpQD9TShMP p{margin:0;}#mermaid-svg-lJWhDRHpQD9TShMP .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-lJWhDRHpQD9TShMP .cluster-label text{fill:#333;}#mermaid-svg-lJWhDRHpQD9TShMP .cluster-label span{color:#333;}#mermaid-svg-lJWhDRHpQD9TShMP .cluster-label span p{background-color:transparent;}#mermaid-svg-lJWhDRHpQD9TShMP .label text,#mermaid-svg-lJWhDRHpQD9TShMP span{fill:#333;color:#333;}#mermaid-svg-lJWhDRHpQD9TShMP .node rect,#mermaid-svg-lJWhDRHpQD9TShMP .node circle,#mermaid-svg-lJWhDRHpQD9TShMP .node ellipse,#mermaid-svg-lJWhDRHpQD9TShMP .node polygon,#mermaid-svg-lJWhDRHpQD9TShMP .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-lJWhDRHpQD9TShMP .rough-node .label text,#mermaid-svg-lJWhDRHpQD9TShMP .node .label text,#mermaid-svg-lJWhDRHpQD9TShMP .image-shape .label,#mermaid-svg-lJWhDRHpQD9TShMP .icon-shape .label{text-anchor:middle;}#mermaid-svg-lJWhDRHpQD9TShMP .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-lJWhDRHpQD9TShMP .rough-node .label,#mermaid-svg-lJWhDRHpQD9TShMP .node .label,#mermaid-svg-lJWhDRHpQD9TShMP .image-shape .label,#mermaid-svg-lJWhDRHpQD9TShMP .icon-shape .label{text-align:center;}#mermaid-svg-lJWhDRHpQD9TShMP .node.clickable{cursor:pointer;}#mermaid-svg-lJWhDRHpQD9TShMP .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-lJWhDRHpQD9TShMP .arrowheadPath{fill:#333333;}#mermaid-svg-lJWhDRHpQD9TShMP .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-lJWhDRHpQD9TShMP .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-lJWhDRHpQD9TShMP .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-lJWhDRHpQD9TShMP .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-lJWhDRHpQD9TShMP .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-lJWhDRHpQD9TShMP .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-lJWhDRHpQD9TShMP .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-lJWhDRHpQD9TShMP .cluster text{fill:#333;}#mermaid-svg-lJWhDRHpQD9TShMP .cluster span{color:#333;}#mermaid-svg-lJWhDRHpQD9TShMP div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-lJWhDRHpQD9TShMP .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-lJWhDRHpQD9TShMP rect.text{fill:none;stroke-width:0;}#mermaid-svg-lJWhDRHpQD9TShMP .icon-shape,#mermaid-svg-lJWhDRHpQD9TShMP .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-lJWhDRHpQD9TShMP .icon-shape p,#mermaid-svg-lJWhDRHpQD9TShMP .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-lJWhDRHpQD9TShMP .icon-shape .label rect,#mermaid-svg-lJWhDRHpQD9TShMP .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-lJWhDRHpQD9TShMP .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-lJWhDRHpQD9TShMP .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-lJWhDRHpQD9TShMP :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

混合架构推荐

简单PDF/图片

复杂PDF/学术论文

文档输入

文档分类器

Kreuzberg微服务实时处理

Docling批处理队列离线处理

快速API响应<500ms

消息队列

Docling WorkersGPU池

S3存储

RAG索引更新

混合部署原则：

• 80%的简单文档用Kreuzberg快速处理
• 20%的复杂文档用Docling深度解析
• 结果统一进入RAG管道，下游无感知

6.4 选型决策树

#mermaid-svg-FmSYPRwy2TtdoAUl{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;fill:#333;}@keyframes edge-animation-frame{from{stroke-dashoffset:0;}}@keyframes dash{to{stroke-dashoffset:0;}}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-animation-slow{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 50s linear infinite;stroke-linecap:round;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-animation-fast{stroke-dasharray:9,5!important;stroke-dashoffset:900;animation:dash 20s linear infinite;stroke-linecap:round;}#mermaid-svg-FmSYPRwy2TtdoAUl .error-icon{fill:#552222;}#mermaid-svg-FmSYPRwy2TtdoAUl .error-text{fill:#552222;stroke:#552222;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-thickness-normal{stroke-width:1px;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-thickness-thick{stroke-width:3.5px;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-pattern-solid{stroke-dasharray:0;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-thickness-invisible{stroke-width:0;fill:none;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-pattern-dashed{stroke-dasharray:3;}#mermaid-svg-FmSYPRwy2TtdoAUl .edge-pattern-dotted{stroke-dasharray:2;}#mermaid-svg-FmSYPRwy2TtdoAUl .marker{fill:#333333;stroke:#333333;}#mermaid-svg-FmSYPRwy2TtdoAUl .marker.cross{stroke:#333333;}#mermaid-svg-FmSYPRwy2TtdoAUl svg{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:16px;}#mermaid-svg-FmSYPRwy2TtdoAUl p{margin:0;}#mermaid-svg-FmSYPRwy2TtdoAUl .label{font-family:\”trebuchet ms\”,verdana,arial,sans-serif;color:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl .cluster-label text{fill:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl .cluster-label span{color:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl .cluster-label span p{background-color:transparent;}#mermaid-svg-FmSYPRwy2TtdoAUl .label text,#mermaid-svg-FmSYPRwy2TtdoAUl span{fill:#333;color:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl .node rect,#mermaid-svg-FmSYPRwy2TtdoAUl .node circle,#mermaid-svg-FmSYPRwy2TtdoAUl .node ellipse,#mermaid-svg-FmSYPRwy2TtdoAUl .node polygon,#mermaid-svg-FmSYPRwy2TtdoAUl .node path{fill:#ECECFF;stroke:#9370DB;stroke-width:1px;}#mermaid-svg-FmSYPRwy2TtdoAUl .rough-node .label text,#mermaid-svg-FmSYPRwy2TtdoAUl .node .label text,#mermaid-svg-FmSYPRwy2TtdoAUl .image-shape .label,#mermaid-svg-FmSYPRwy2TtdoAUl .icon-shape .label{text-anchor:middle;}#mermaid-svg-FmSYPRwy2TtdoAUl .node .katex path{fill:#000;stroke:#000;stroke-width:1px;}#mermaid-svg-FmSYPRwy2TtdoAUl .rough-node .label,#mermaid-svg-FmSYPRwy2TtdoAUl .node .label,#mermaid-svg-FmSYPRwy2TtdoAUl .image-shape .label,#mermaid-svg-FmSYPRwy2TtdoAUl .icon-shape .label{text-align:center;}#mermaid-svg-FmSYPRwy2TtdoAUl .node.clickable{cursor:pointer;}#mermaid-svg-FmSYPRwy2TtdoAUl .root .anchor path{fill:#333333!important;stroke-width:0;stroke:#333333;}#mermaid-svg-FmSYPRwy2TtdoAUl .arrowheadPath{fill:#333333;}#mermaid-svg-FmSYPRwy2TtdoAUl .edgePath .path{stroke:#333333;stroke-width:2.0px;}#mermaid-svg-FmSYPRwy2TtdoAUl .flowchart-link{stroke:#333333;fill:none;}#mermaid-svg-FmSYPRwy2TtdoAUl .edgeLabel{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-FmSYPRwy2TtdoAUl .edgeLabel p{background-color:rgba(232,232,232, 0.8);}#mermaid-svg-FmSYPRwy2TtdoAUl .edgeLabel rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-FmSYPRwy2TtdoAUl .labelBkg{background-color:rgba(232, 232, 232, 0.5);}#mermaid-svg-FmSYPRwy2TtdoAUl .cluster rect{fill:#ffffde;stroke:#aaaa33;stroke-width:1px;}#mermaid-svg-FmSYPRwy2TtdoAUl .cluster text{fill:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl .cluster span{color:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl div.mermaidTooltip{position:absolute;text-align:center;max-width:200px;padding:2px;font-family:\”trebuchet ms\”,verdana,arial,sans-serif;font-size:12px;background:hsl(80, 100%, 96.2745098039%);border:1px solid #aaaa33;border-radius:2px;pointer-events:none;z-index:100;}#mermaid-svg-FmSYPRwy2TtdoAUl .flowchartTitleText{text-anchor:middle;font-size:18px;fill:#333;}#mermaid-svg-FmSYPRwy2TtdoAUl rect.text{fill:none;stroke-width:0;}#mermaid-svg-FmSYPRwy2TtdoAUl .icon-shape,#mermaid-svg-FmSYPRwy2TtdoAUl .image-shape{background-color:rgba(232,232,232, 0.8);text-align:center;}#mermaid-svg-FmSYPRwy2TtdoAUl .icon-shape p,#mermaid-svg-FmSYPRwy2TtdoAUl .image-shape p{background-color:rgba(232,232,232, 0.8);padding:2px;}#mermaid-svg-FmSYPRwy2TtdoAUl .icon-shape .label rect,#mermaid-svg-FmSYPRwy2TtdoAUl .image-shape .label rect{opacity:0.5;background-color:rgba(232,232,232, 0.8);fill:rgba(232,232,232, 0.8);}#mermaid-svg-FmSYPRwy2TtdoAUl .label-icon{display:inline-block;height:1em;overflow:visible;vertical-align:-0.125em;}#mermaid-svg-FmSYPRwy2TtdoAUl .node .label-icon path{fill:currentColor;stroke:revert;stroke-width:revert;}#mermaid-svg-FmSYPRwy2TtdoAUl :root{–mermaid-font-family:\”trebuchet ms\”,verdana,arial,sans-serif;}

边缘/Lambda/容器内存<1GB

有充足GPU资源

财务报表/复杂表格学术论文/数学公式

通用文档/扫描件多语言场景

速度优先

准确率优先

多语言团队Go/Java/TS

Python生态为主

是

否

需要文档解析工具

部署环境资源限制?

✅ 推荐 Kreuzberg

文档类型?

✅ 推荐 Docling

需求优先级?

技术栈要求?

是否有实时需求?

7. 结论与展望

7.1 核心结论

经过全方位的深度对比，我们可以得出以下结论：

Kreuzberg是“性能之王” ：如果你的生产环境看重速度、资源占用和多语言支持，Kreuzberg凭借Rust核心的天然优势是最佳选择。它能在保持91%以上提取质量的同时，实现10-50倍于Docling的处理速度[reference:37]。

Docling是“精度之王” ：如果文档的布局理解、表格识别和公式提取是核心诉求，Docling的AI模型矩阵提供了行业领先的精度，特别是在学术文档和财务报表场景中[reference:38][reference:39]。

两者不是互斥的：在实际生产系统中，完全可以根据文档复杂度动态选择工具——简单文档走Kreuzberg的高速通道，复杂文档走Docling的深度解析通道。

7.2 值得关注的发展趋势

趋势一：Kreuzberg集成DocLayNet：从v4.5开始，Kreuzberg已将Docling的RT-DETR v2布局模型集成到其Rust原生管道中[reference:40]。这意味着Kreuzberg正在快速吸收Docling在布局理解方面的优势，同时保留自己的性能优势。

趋势二：Docling正在优化性能：Docling团队也在积极探索性能优化方案，包括支持GPU加速的docling-serve服务化部署。

趋势三：文档解析正在成为RAG基础设施的核心层：随着RAG系统的普及，高质量、高效率的文档解析工具将变得越来越重要。两种工具都在积极扩展生态——Kreuzberg增加了MCP Server支持，Docling则深化了与LangChain/LlamaIndex的集成。

7.3 最终建议

7.4 快速上手链接

• Kreuzberg GitHub：https://github.com/kreuzberg-dev/kreuzberg
• Kreuzberg 基准测试：https://kreuzberg.dev/benchmarks
• Docling GitHub：https://github.com/DS4SD/docling
• Docling 文档：https://ds4sd.github.io/docling/

本文所有基准数据均来自开源社区发布的独立测试和官方基准测试。建议在实际生产环境中针对自己的文档集进行基准测试，以获取最适合自身场景的选型结论。