Docling

Langflow 通过一组用于解析文档的组件与 Docling 集成。

安装 Docling 依赖项

important

您必须安装 Docling 依赖项才能在 Langflow 中使用 Docling 组件。

在 Langflow OSS 中使用 uv pip install 'langflow[docling]' 安装 Docling 额外包。

要向 Langflow Desktop 添加依赖项，请在应用程序的 requirements.txt 文件中添加 Docling 条目。 有关更多信息，请参阅在 Langflow Desktop 中安装自定义依赖项。

在流程中使用 Docling 组件

提示

要了解更多关于使用 Docling 进行内容提取的信息，请观看视频教程 Docling + Langflow: Document Processing for AI Workflows。

此示例演示如何在流程中使用 Docling 组件分割 PDF：

1. 将 Docling 和 ExportDoclingDocument 组件连接到 Split Text 组件。 Docling 组件加载文档，ExportDoclingDocument 组件将 DoclingDocument 转换为您选择的格式。此示例将文档转换为 Markdown，图像表示为占位符。 Split Text 组件将 Markdown 分割成块，供向量数据库在流程的下一部分中存储。
2. 将 Chroma DB 组件连接到 Split text 组件的 Chunks 输出。
3. 将嵌入模型连接到 Chroma 的 Embedding 端口，并连接 Chat Output 组件以查看提取的 DataFrame。
4. 将您的 OpenAI API 密钥添加到嵌入模型。

流程如下所示：

5. 向 Docling 组件添加文件。
6. 要运行流程，点击 Playground。 分块文档作为向量加载到您的向量数据库中。

Docling 组件

以下部分描述了 Docling bundle 中每个组件的目的和配置选项。

Docling

Docling 组件摄取文档，然后使用 Docling 通过在本地运行 Docling 模型来处理它们。

它输出 files，这是带有 DoclingDocument 数据的处理文件。

Docling 参数

名称	类型	描述
files	File	要处理的文件。
pipeline	String	要使用的 Docling 管道（standard、vlm）。
ocr_engine	String	要使用的 OCR 引擎（easyocr、tesserocr、rapidocr、ocrmac）。

Docling Serve

Docling Serve 组件摄取文档，然后通过连接到您的 Docling Serve 实例使用 Docling 来处理它们。

它输出 files，这是带有 DoclingDocument 数据的处理文件。

Docling Serve 参数

名称	类型	描述
files	File	要处理的文件。
api_url	String	Docling Serve 实例的 URL。
max_concurrency	Integer	服务器的最大并发请求数。
max_poll_timeout	Float	文档转换完成的最大等待时间。
api_headers	Dict	连接到 Docling Serve 所需的其他请求头的可选字典。
docling_serve_opts	Dict	Docling Serve 的其他选项的可选字典。

Chunk DoclingDocument

Chunk DoclingDocument 组件使用 DoclingDocument 分块器将文档分割成块。

它将分块文档输出为 DataFrame。

Chunk DoclingDocument 参数

名称	类型	描述
data_inputs	Data/DataFrame	包含要分割成块的文档的数据。
chunker	String	要使用的分块器（HybridChunker、HierarchicalChunker）。
provider	String	分词器提供商（Hugging Face、OpenAI）。
hf_model_name	String	选择 Hugging Face 时与 HybridChunker 一起使用的分词器的模型名称。
openai_model_name	String	选择 OpenAI 时与 HybridChunker 一起使用的分词器的模型名称。
max_tokens	Integer	HybridChunker 的最大令牌数。
doc_key	String	用于 DoclingDocument 列的键。

Export DoclingDocument

Export DoclingDocument 组件将 DoclingDocument 导出为 Markdown、HTML 和其他格式。

它可以将导出的数据输出为 Data 或 DataFrame。

Export DoclingDocument 参数

名称	类型	描述
data_inputs	Data/DataFrame	包含要导出的文档的数据。
export_format	String	选择导出格式来转换输入（Markdown、HTML、Plaintext、DocTags）。
image_mode	String	指定如何在输出中导出图像（placeholder、embedded）。
md_image_placeholder	String	为 markdown 导出指定图像占位符。
md_page_break_placeholder	String	在 markdown 输出中在页面之间添加此占位符。
doc_key	String	用于 DoclingDocument 列的键。