Was macht docling-skill?
Agent-orientierte Dokumentenerfassungsebene auf Docling mit Markdown, Image-Sidecars, Manifesten, OCR und Qualitätskontrolle.
Übersicht
Dieses Skill bietet eine leistungsstarke Schnittstelle für die Dokumentenerfassung unter Verwendung von Docling. Es konvertiert Dokumente in strukturierte Markdown-Ausgaben, erstellt Image-Sidecars für bildliche Referenzen und generiert Manifeste mit Metadaten. OCR wird für gescannte Dokumente unterstützt, und Qualitätsgates stellen sicher, dass die Ausgabe bestimmte Standards erfüllt.
Funktionen
- Markdown-Konvertierung: Extrahiert Text und Struktur aus Dokumenten in Markdown.
- Image-Sidecars: Erstellt separate Bilddateien für Diagramme, Tabellen und andere visuelle Elemente.
- Manifeste: Erzeugt JSON-Manifeste mit Metadaten wie Dateiname, Konvertierungsdatum und Qualitätsmetriken.
- OCR: Erkennt und extrahiert Text aus gescannten PDFs oder Bildern.
- Qualitätskontrolle: Wendet Qualitätsschwellen auf die Ausgabe an (z. B. minimale OCR-Genauigkeit), um Fehler zu vermeiden.
Installation
pip install docling
Verwendung
So verwendest du dieses Skill in einem KI-Agenten (z. B. Claude Code, Cursor oder Codex):
- Rufe das Skill mit dem Dateipfad und optionalen OCR- und Qualitätsoptionen auf.
- Das Skill gibt einen strukturierten Markdown-Text, Dateipfade zu Image-Sidecars und ein Manifest zurück.
Beispiel
from realraelrr.docling_skill import process_document
result = process_document(
file_path="dokument.pdf",
ocr=True,
quality_threshold=0.9
)
print(result["markdown"])
print(result["images"])
print(result["manifest"])
Plattformen
- Claude Code
- Cursor
- Codex
- Andere agentenbasierte Tools, die benutzerdefinierte Skills unterstützen
Konfiguration
Umgebungsvariablen:
DOCLING_OCR_LANGUAGE: Sprache für OCR (Standard:deu)DOCLING_QUALITY_THRESHOLD: Minimale Qualitätsschwelle (Standard:0.85)
Lizenz
MIT