RAG 與文件處理
Docling 2.122 將緊湊表格輸出接入轉換 API，並補回舊版 iWork 文件結構
Docling 2.122.0 讓批次轉換可直接輸出無欄位填充的 Markdown 表格，並開始復原 iWork ’09 的標題、層級與表格。新版同時修補 OCR、PDF 連字號及版面重疊問題，但官方沒有量化效能與擷取準確率變化。
開源文件轉換工具 Docling 於 8 月 25 日發布 2.122.0。最直接影響 RAG 管線的是 `ConvertDocumentsOptions` 新增 `compact_tables`：緊湊 Markdown 表格原本已存在於底層序列化介面，現在可由文件轉換入口統一設定。啟用後只移除欄位對齊所需的填充空白，不會改變表格偵測或儲存格配對結果；主要收益是減少送入 embedding、重排序器或 LLM 前的無意義 token，不能把 token 下降解讀為抽取品質提升。
第二項變更針對 Apple 文件。新版 iWork backend 可從 iWork ’09 檔案復原標題、章節標題及表格，擴大舊 Pages 文件進入統一 `DoclingDocument` 表示的結構資訊。不過目前「支援格式」文件仍寫著 Pages 只擷取正文、尚不能復原 headings、lists 與 tables，顯示文件與實作已短暫不同步。採用者應以 2.122.0 的實際輸出及回歸樣本為準，尤其要確認新版只承諾標題、標題層級和表格，並未宣稱所有清單與版面語義均已恢復。
其餘修正集中於容易污染檢索語料的細節：PDF 行尾不是斷字時保留連字號；全頁 OCR 模式跳過原生分段頁解碼；版面後處理加強不同元素類型的重疊清理；DOCX 文字框改用穩定節點識別；表格儲存格與版面配對亦獲加速。這些變更可能改動既有 chunk 內容與雜湊，即使 API 沒有破壞性修改，升級後仍應重新跑黃金文件、比較元素數量、表格結構與引用定位。發布說明未提供速度、token 節省或準確率數字，生產效益需自行量測。