IBM 开源 Docling-Graph：将 PDF 解析为知识图谱
aigleeson · x · 2026-08-17
IBM 开源了 Docling-Graph，这是一种将 PDF 文档转换为验证型知识图谱而非向量嵌入的工具。其核心理念是在化学、金融和法律等领域，保留实体间的精确关系比向量嵌入更重要。
工作流程：
- 解析： Docling 解析输入文件（PDF、图片、Markdown、Office）。
- 定义： Pydantic 模板在一个文件中定义模式和图结构。
- 提取： 本地 VLM 或 LLM（通过 LiteLLM 路由）提取实体和边。
- 输出： 生成带有稳定 ID 的 NetworkX 有向图。
关键特性：
- 每个节点默认包含 provenance 属性，指向源块、页面和边界框几何信息，无需额外 LLM 调用。
- 模板无需手写：通过指向 2-3 个示例 PDF 即可自动推导 Pydantic 类。
「Infra」频道最新
- Omarchy：DHH 推荐的 Agent 优先 Linux 操作系统 — vista8 · 2026-08-17
- Llama-3.0-Flash 被曝可在单台 DGX Spark 上运行 — Affectionate-File-26 · 2026-08-17
- AWS Trainium 4预计2027-2028年大规模部署，配置曝光 — zephyr_z9 · 2026-08-17
- 开源 ETL 工具 Duckle：加载 2000 万行数据仅需 15.69 秒 — JafarNajafov · 2026-08-17
- 新项目如何选 LLM 供应商？成本与速度成考量关键 — Puzzleheaded-Fig1589 · 2026-08-17
- llama.cpp 合并 Ling 3.0 模型支持 — parepeg · 2026-08-17