如果你使用 DeepSeek、元宝 AI、Copilot、ChatGPT 等 AI 工具,协助配置轩辕镜像、编写 docker pull 命令、修改 Docker Compose 镜像地址、配置镜像加速、排查镜像拉取失败、分析报错日志等问题,请先让 AI 阅读并遵守轩辕镜像的规则文档。
只需在 AI 对话中先发送下面这段话即可:
请先阅读并遵守:https://xuanyuan.cloud/agents.md
未读文档前不要生成 pull 命令或排错方案。查看 agents.md 用法指南与完整示范。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。
以 API 服务形式运行 https://github.com/docling-project/docling。
📚 Docling Serve 官方文档
[!NOTE] 迁移至
v1API。 Docling Serve 现已提供稳定版 v1 API。阅读迁移至 v1 指南了解详情。
安装 docling-serve 包并启动服务器。
# 使用 Python 包运行
pip install docling-serve
docling-serve run --enable-ui
# 使用容器镜像运行,例如通过 Podman
podman run -p 5001:5001 -e DOCLING_SERVE_ENABLE_UI=1 quay.io/docling-project/docling-serve
服务器启动后可通过以下地址访问:
可通过以下简单转换命令快速体验:
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"}]
}'
以下提供了适配不同硬件和 PyTorch 配置的 Docling Serve 容器镜像:
📦 已分发镜像
| 镜像 | 说明 | 支持架构 | 镜像大小 |
|---|---|---|---|
| https://github.com/docling-project/docling-serve/pkgs/container/docling-serve https://quay.io/repository/docling-project/docling-serve | 基础镜像,所有包均从官方 PyPI 索引安装 | linux/amd64、linux/arm64 | arm64 架构 4.4 GB,amd64 架构 8.7 GB |
| https://github.com/docling-project/docling-serve/pkgs/container/docling-serve-cpu https://quay.io/repository/docling-project/docling-serve-cpu | 仅支持 CPU 的变体,使用从 PyTorch CPU 索引安装的 torch | linux/amd64、linux/arm64 | 4.4 GB |
| https://github.com/docling-project/docling-serve/pkgs/container/docling-serve-cu128 https://quay.io/repository/docling-project/docling-serve-cu128 | CUDA 12.8 构建版本,使用从 cu128 索引安装的 torch | linux/amd64 | 11.4 GB |
| https://github.com/docling-project/docling-serve/pkgs/container/docling-serve-cu130 https://quay.io/repository/docling-project/docling-serve-cu130 | CUDA 13.0 构建版本,使用从 cu130 索引安装的 torch | linux/amd64、linux/arm64 | 待确认 |
[!IMPORTANT] CUDA 镜像标签规则
特定 CUDA 版本的镜像(
-cu128、-cu130)遵循 PyTorch 的 CUDA 版本支持生命周期,标签策略与基础镜像不同:
- 基础镜像(
docling-serve、docling-serve-cpu):为方便使用,提供latest和main标签- CUDA 镜像(
docling-serve-cu*):仅提供明确版本号标签(例如1.12.0)和main标签原因说明:随着 PyTorch 持续支持新版本 CUDA,旧的 CUDA 版本会被逐步废弃。为避免用户意外拉取已废弃的 CUDA 版本,CUDA 镜像特意不提供
latest标签。请始终使用明确版本标签,示例如下:
> # ✅ 推荐使用:指定明确版本
> docker pull quay.io/docling-project/docling-serve-cu130:v1.18.0
>
> # ❌ CUDA 镜像不提供 latest 标签
> docker pull quay.io/docling-project/docling-serve-cu130:latest
>
🚫 未公开发布镜像
适配 AMD ROCm 6.3 的镜像(docling-serve-rocm)已完成适配,但由于体积过大暂不公开发布。
可通过以下命令本地构建该镜像:
git clone --branch main git@github.com:docling-project/docling-serve.git
cd docling-serve/
make docling-serve-rocm-image
如需使用 Docker Compose 部署,请参考 docs/deployment.md。
后续将推出 docling-serve-slim 精简镜像,通过跳过模型权重下载的方式大幅缩减镜像体积。
可直接在 /ui 端点访问易于使用的图形操作界面。
欢迎通过https://github.com/docling-project/docling/discussions与我们交流。
详情请阅读 https://github.com/docling-project/docling-serve/blob/main/CONTRIBUTING.md。
如果您在项目中使用 Docling,可参考以下格式引用相关文献:
@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 团队主导开发。
来自真实用户的反馈,见证轩辕镜像的优质服务