O primeiro passo de todo pipeline de RAG é transformar documentos bagunçados em dados limpos. O Docling faz exatamente isso: converte PDFs, arquivos do Office e imagens em formatos estruturados prontos para IA, tudo com processamento local. É uma alternativa ao Unstructured, ao AWS Textract e ao Azure Document Intelligence.
O que é o Docling?
Com entendimento avançado de PDF, layout, ordem de leitura, tabelas, fórmulas e imagens, o Docling exporta para Markdown, HTML e JSON sem perda, e se integra ao LangChain e ao LlamaIndex para ingestão. Nasceu na IBM Research e roda localmente, sem enviar dados para fora.
Recursos principais
- Entendimento de layout, ordem de leitura, tabelas e fórmulas em PDFs
- Exportação para Markdown, HTML e JSON sem perda
- Integração com LangChain e LlamaIndex para RAG
- Processamento local com OCR, sem enviar dados para fora
Como a Reche usa
A qualidade da ingestão define a qualidade da resposta. A Reche trata a etapa de extração de documentos com o mesmo cuidado do resto do sistema, porque, em RAG, dado mal lido é resposta mal dada, por melhor que seja o modelo.