[docling-project/docling](https://github.com/docling-project/docling) - Docling 将 PDF、Office、网页、邮件和音视频解析到统一 DoclingDocument，能识别版面、阅读顺序、表格、代码、公式并导出 Markdown/JSON。它支持 OCR、VLM、MCP、本地和 air-gapped 运行；`docling <url>` 直接生成结构化 Markdown，使其成为 agent/RAG 管线中可替换的文档前处理层。