能力展示

grobid-docling-pdf 把论文或技术 PDF 转成结构化 XML、图表图片和可追溯解析包，让后续 Agent 能稳定做论文理解、PPT、报告或技术分析。

输入	输出	最关键效果
论文 PDF、GROBID 服务地址、解析选项	TEI/XML、图片/表格目录、中间结果归档、校验状态	PDF 变成 Agent 可复用的材料包

这张图展示 TiDAR 论文解析后形成的结构化文件、图片与表格材料包。仓库中当前可打开的 TiDAR XML 示例索引了 7 张普通图片和 5 张表格图片；具体数量取决于输入 PDF 和 Docling 导出结果。

示例来源与可打开证据

示例输入来自论文 TiDAR: Think in Diffusion, Talk in Autoregression（arXiv 摘要页），原始 PDF 由 arXiv PDF 链接提供。

• 打开 TiDAR 表格图片样例（PNG）
• 打开 TiDAR 最终 XML（GitHub）
• 打开材料包展示图（PNG）

这些链接只展示仓库中现有的示例证据。计数描述对应本次 TiDAR 示例，不代表所有 PDF 都会导出相同数量或质量的图片、表格和正文引用。

适合场景

• 论文 PDF 需要交给 Agent 做深度理解。
• 生成 PPT 前，需要先把正文、图和表整理清楚。
• 技术 PDF 需要保留章节、引用、参考文献和图表。
• 后续分析需要能追溯解析过程。

使用方式

你可以直接说：

请解析这篇论文 PDF，整理正文、引用、图和表，给后续分析使用。

或者：

请把这篇技术 PDF 变成 Agent 可以继续处理的结构化材料包。

处理过程

1. 读取 PDF 和解析配置。
2. 用 GROBID 抽取论文结构、正文、引用和参考文献。
3. 用 Docling 导出页面中的图片和表格。
4. 合并文本结构与图表索引。
5. 运行校验，确认材料包是否完整。

交付物

交付物	用途
final/*.xml	给 Agent 读取的结构化正文
final/images/	单独导出的图片和表格
*.intermediate_parse_results.zip	追溯中间解析过程
校验状态与摘要	命令输出会打印 valid 和各项计数，用于判断流水线是否成功
*.intermediate_parse_results.zip 中的 validation JSON	保留详细校验结果，供追溯；默认不会在 final/ 中生成独立校验报告

展示覆盖

Case	输入	输出	证明的能力
TiDAR 论文解析	论文 PDF	XML、图片、表格、归档包	PDF 可稳定转成下游 Agent 材料

能力边界

• GROBID 服务是默认流水线的必需依赖；只完成本地包预检不能生成最终材料包。
• born-digital PDF 默认不开 OCR，扫描版需要显式启用 --ocr；OCR 或解析成功不等于内容逐字无误。
• 最终 XML 保证 Docling 导出的最终 PNG 被索引且引用路径可解析，但不保证每张图片都有准确的正文位置引用；应结合 indexed_without_body_ref 判断。
• 该 skill 不评价论文结论、不替代人工事实核验，也不承诺复杂公式、跨页表格或异常版式能被完美还原。
• 默认最终目录只包含 XML 和图片。校验摘要在命令输出中，详细校验 JSON 位于中间归档，不应把不存在的独立 final/ 校验报告列为交付物。