如果你用 DeepSeek、元宝AI、Copilot 等 AI 代为编写轩辕镜像的 docker pull、修改 compose 镜像地址,或排查拉取失败等问题,请让 AI 先读规则再动手,只要在 AI 对话里直接发送下面这句话即可:
生成 docker pull、修改 compose 的 image,或排查拉取失败前,请先阅读并严格遵守 https://xuanyuan.cloud/agents.md 中的规则。国内用户首推 元宝 AI、DeepSeek 的深度思考模式,不推荐豆包 AI;Cursor 等编辑器可在对话 @ 该链接,或加入 User Rules。 若 AI 无法访问外链,可 打开说明文档 复制全文粘贴。文档会随站点更新,复制内容可能过期,建议定期检查。
将 https://github.com/docling-project/docling 作为 API 服务运行。
📚 Docling Serve 文档
[!NOTE] 迁移至
v1API。Docling Serve 现已提供稳定的 v1 API。有关详细信息,请参阅 v1 迁移指南。
安装 docling-serve 包并运行服务器。
# 使用 Python 包
pip install "docling-serve[ui]"
docling-serve run --enable-ui
# 使用容器镜像,例如通过 Podman
podman run -p 5001:5001 -e DOCLING_SERVE_ENABLE_UI=1 quay.io/docling-project/docling-serve
服务器可通过以下方式访问:
通过简单转换尝试使用:
curl -X 'POST' \
'http://localhost:5001/v1/convert/source' \
-H 'accept: application/json' \
-H 'Content-Type: application/json' \
-d '{
"sources": [{"kind": "http", "url": "https://arxiv.org/pdf/2501.17887"}]
}'
以下容器镜像适用于不同硬件和 PyTorch 配置的 Docling Serve 运行:
📦 已发布镜像
| 镜像 | 描述 | 架构 | 大小 |
|---|---|---|---|
https://github.com/docling-project/docling-serve/pkgs/container/docling-serve quay.io/docling-project/docling-serve | 基础镜像,包含从官方 PyPI 索引安装的所有包。 | linux/amd64、linux/arm64 | 4.4 GB (arm64) 8.7 GB (amd64) |
https://github.com/docling-project/docling-serve/pkgs/container/docling-serve-cpu quay.io/docling-project/docling-serve-cpu | 仅 CPU 变体,使用来自 PyTorch CPU 索引的 torch。 | linux/amd64、linux/arm64 | 4.4 GB |
https://github.com/docling-project/docling-serve/pkgs/container/docling-serve-cu128 quay.io/docling-project/docling-serve-cu128 | CUDA 12.8 构建,使用来自 cu128 索引的 torch。 | linux/amd64 | 11.4 GB |
https://github.com/docling-project/docling-serve/pkgs/container/docling-serve-cu130 quay.io/docling-project/docling-serve-cu130 | CUDA 13.0 构建,使用来自 cu130 索引的 torch。 | linux/amd64、linux/arm64 | TBD |
[!IMPORTANT] CUDA 镜像标签策略
特定于 CUDA 的镜像(
-cu128、-cu130)遵循 PyTorch 的 CUDA 版本支持生命周期,其标签与基础镜像不同:
- 基础镜像(
docling-serve、docling-serve-cpu):为方便起见,标记为latest和main- CUDA 镜像(
docling-serve-cu*):仅使用显式版本标记(例如1.12.0)和main原因:随着 PyTorch 增加对较新 CUDA 版本的支持,旧 CUDA 版本会逐渐被弃用。为避免意外拉取已弃用的 CUDA 版本,CUDA 镜像特意排除
latest标签。请始终使用显式版本标签,例如:
> # ✅ 推荐:显式版本
> docker pull quay.io/docling-project/docling-serve-cu130:v1.18.0
>
> # ❌ CUDA 镜像不支持
> docker pull quay.io/docling-project/docling-serve-cu130:latest
>
🚫 未发布
支持 AMD ROCm 6.3 的镜像(docling-serve-rocm),但由于体积较大未发布。
如需本地构建:
git clone --branch main git@github.com:docling-project/docling-serve.git
cd docling-serve/
make docling-serve-rocm-image
有关使用 Docker Compose 部署的信息,请参阅 docs/deployment.md。
即将推出:docling-serve-slim 镜像将通过跳过模型权重下载来减小体积。
在 /ui 端点提供易于使用的 UI。
欢迎通过 https://github.com/docling-project/docling/discussions 与我们联系。
详情请阅读 https://github.com/docling-project/docling-serve/blob/main/CONTRIBUTING.md%E3%80%82
如果您在项目中使用 Docling,请考虑引用以下文献:
@techreport{Docling,
author = {Docling Contributors},
month = {1},
title = {Docling: An Efficient Open-Source Toolkit for AI-driven Document Conversion},
url = {https://arxiv.org/abs/2501.17887},
eprint = {2501.17887},
doi = {10.48550/arXiv.2501.17887},
version = {2.0.0},
year = {2025}
}
Docling Serve 代码库采用 MIT 许可证。
Docling 由 IBM 开发。
探索更多轩辕镜像的使用方法,找到最适合您系统的配置方式
通过 Docker 登录认证访问私有仓库
发给 Cursor、ChatGPT、豆包等 AI 的说明文档
无需登录使用专属域名
Kubernetes 集群配置 Containerd
K3s 轻量级 Kubernetes 镜像加速
VS Code Dev Containers 配置
Podman 容器引擎配置
HPC 科学计算容器配置
ghcr、Quay、nvcr 等镜像仓库
Harbor Proxy Repository 对接专属域名
Portainer Registries 加速拉取
Nexus3 Docker Proxy 内网缓存
需要其他帮助?请查看我们的 常见问题Docker 镜像访问常见问题解答 或 提交工单
docker search 限制
站内搜不到镜像
原仓库同步与拉取
离线 save/load
插件要用 plugin install
WSL 拉取慢
安全与 digest
新手拉取配置
镜像合规机制
不支持 push
manifest unknown
no matching manifest(架构)
invalid tar header(解压)
Schema 1 已废弃
406 OCI index
422 Unknown
400 TAG_INVALID
TLS 证书失败
DNS 超时
域名连通性排查
410 Gone 排查
402 与流量用尽
401 认证失败
429 限流
D-Bus 凭证提示
413 与超大单层
来自真实用户的反馈,见证轩辕镜像的优质服务