# Docling

CURRENT_STATUS: CURRENT
OBSERVATION: SPEC_ONLY
FRESHNESS: CURRENT
PAGE_TYPE: reference
CANONICAL_URL: /tools/ea-214-docling
CLAIM_IDS: none
EVIDENCE_IDS: EVD-EA-214-URL-811EBBB72FF6, EVD-EA-214-URL-B4A52475747D, EVD-EA-214-URL-3E7D5680A52A, EVD-EA-214-URL-0EEF13E40B87, EVD-EA-214-URL-EEC73D823754, EVD-EA-214-URL-EF93036767F9, EA-214-R11-RESEARCH, EA-214-R11-WEB-READBACK
UNKNOWN_IDS: EA-214-UNKNOWN-01
OPS_IDS: none

## Summary
DoclingはPDF、Office、画像等を共通構造へ変換し、Markdown・HTML・JSON等へ出力する。表・読み順・OCRの品質は素材と設定に依存するため、元素材との照合を行う。内部表現のJSON保存は変換後の構造を保持する手段であり、原文の完全復元や正確性の保証ではない。offline運用にはモデル準備と通信制御を別途確認する。

## Current judgment
1. Doclingは複数形式の内容をDoclingDocumentへ統合して各形式へexportする。JSONを正本、Markdownを閲覧・RAG向けprojectionとする設計は可能だが組織側の選択である。[D1,D2]
2. JSONのlosslessは変換後の内部表現に対するもの。parserが取り落とした文字・表や誤ったreading orderが正しく戻るという意味ではない。[D2,D5]
3. 既定モデル取得とremote推論許可を区別する。enable_remote_servicesの無効化だけでweights取得を含む通信全体が止まるとは言えない。[D3]
4. table cell matchingを変更する選択肢は、列結合等への対応手段。ACCURATEというmode名をすべての業務表の正解保証として扱わない。[D3,D5]
5. code MITは個別modelの利用条件まで包含しない。[D1]
6. 最新release観測と実行pinは別。readmeの新機能やcurrent docsのoptionが旧実行版に存在すると仮定しない。[D1,D6]

## Scope
EA_MASTER行215、退避Doc 1Vd0BP7G2UyPDRQs_-8dPvTgQ78Tk6kcVGuMJjqNdr84 tab t.0 1324–1794を直接取得。NOT_REVIEWED/LUNA_PRESEARCH_NOT_LOCATEDと次EAへ進む記録であり、正式研究本文ではない。EA-213と同じRUN全体が索引され、ARTIFACT_TITLEもUnstructuredの文章を共有していた。これをDocling固有研究の存在証明にしない。ユーザーの欠落解消指示により初回正式調査を実施する。旧成果の不存在は未確定。DriveとLibraryのID検索も非網羅的。

## Confirmed
- Doclingは複数形式の内容をDoclingDocumentへ統合して各形式へexportする。JSONを正本、Markdownを閲覧・RAG向けprojectionとする設計は可能だが組織側の選択である。[D1,D2]
- JSONのlosslessは変換後の内部表現に対するもの。parserが取り落とした文字・表や誤ったreading orderが正しく戻るという意味ではない。[D2,D5]
- 既定モデル取得とremote推論許可を区別する。enable_remote_servicesの無効化だけでweights取得を含む通信全体が止まるとは言えない。[D3]
- table cell matchingを変更する選択肢は、列結合等への対応手段。ACCURATEというmode名をすべての業務表の正解保証として扱わない。[D3,D5]
- code MITは個別modelの利用条件まで包含しない。[D1]
- 最新release観測と実行pinは別。readmeの新機能やcurrent docsのoptionが旧実行版に存在すると仮定しない。[D1,D6]

## UNKNOWN
- EA-214-UNKNOWN-01: 旧Luna成果locator、組織素材の実測精度、採用packageと依存/model pin、ライセンス適合、モデル供給の永続性、remote契約、組織の受入閾値、production SLAはUNKNOWN。今回のbounded research gateは主張を資料で裏付け、反証と未実測を明示し、全文candidate・保存readbackを成立させた時点まで。独立監査と本番採用は別判断。

## Evidence
- EVD-EA-214-URL-811EBBB72FF6 (RESEARCH): |D1|作者repo — https://github.com/docling-project/docling
- EVD-EA-214-URL-B4A52475747D (RESEARCH): |D2|公式 supported formats — https://docling-project.github.io/docling/usage/supported_formats/
- EVD-EA-214-URL-3E7D5680A52A (RESEARCH): |D3|公式 advanced options — https://docling-project.github.io/docling/usage/advanced_options/
- EVD-EA-214-URL-0EEF13E40B87 (RESEARCH): |D4|作者論文 — https://arxiv.org/abs/2501.17887
- EVD-EA-214-URL-EEC73D823754 (RESEARCH): |D5|一次障害報告 — https://github.com/docling-project/docling/issues/3461
- EVD-EA-214-URL-EF93036767F9 (RESEARCH): |D6|作者releases — https://github.com/docling-project/docling/releases
- EA-214-R11-RESEARCH (RESEARCH): EA-214 監査済みresearch / canonical revision binding
- EA-214-R11-WEB-READBACK (IMPL): EA-214 Web body identity / canonical readback

## Failure / limits
formのkey/value順序、複数段、merged cell、nested/multi-page table、hyphenation、画像中数字、縦書き、数式、ページ抜け、charspan不整合、暗号化/壊れたPDF、resource exhaustion、初回モデルdownload、remote VLM、exportの情報落ち。D5は報告者の特定version観測で未再現。本RUNは修正済み/未修正の現行判定をしない。作者論文は独立本番benchmarkではなく、全社素材の精度保証には使わない。
## Failure / limits
旧Luna成果locator、組織素材の実測精度、採用packageと依存/model pin、ライセンス適合、モデル供給の永続性、remote契約、組織の受入閾値、production SLAはUNKNOWN。今回のbounded research gateは主張を資料で裏付け、反証と未実測を明示し、全文candidate・保存readbackを成立させた時点まで。独立監査と本番採用は別判断。
## Practice
DOCLING_CONVERSION_RECORD_V1を運用受入schemaとして提案する。source/input/output hash、format、page_count、package/docling-core/docling-parse/Python/backend、model IDs/revisions/hashes/license、OCR engine/languages、do_table_structure/do_cell_matching/TableFormer mode、remoteサービス承認、prefetch証跡、warnings/status、native JSON locator、exporter/options、page/bbox/charspan、table cells/spans、ACL/tenantを記録する。Doclingの正式API schemaではない。

元素材→固定環境でDoclingDocument→native JSON保存→goldenと来歴gate→Markdown/HTML projection→ACL付きindex。exportだけを保存すると内部構造や来歴が失われる可能性があるため、正本とprojectionを明記する。空出力、partial conversion、failed pageは成功扱いを禁止する。モデル等の更新時は同じgolden corpusで差分評価する。
## Practice
実Docling/OCR/modelは本RUNでは未実行。現物PDFの性能、layout・reading-order精度、最新APIの動作はUNKNOWN。合成record受入gateだけを実行し、product benchmarkと区別する。
fixtureはborn-digital/scan/mixed、form key-value、二段、結合・nested・複数ページ表、日英・縦書き、Office/画像、empty/encrypted/oversizedを層別に用意。goldenの文字・セル・span・順序edge・ページ来歴を人が確定。text accuracy、table cell/span precision/recall、reading-order edge違反、page coverage、引用元正しさ、数値値一致、latency/RSS、network attemptsを測る。Markdownの可読性と内部JSON保持率を別評価し、組織の閾値を先に固定する。
添付gate_fixture.pyは空出力、source差替え、ACL混在、順序反転、数値セル変更、来歴欠落、未承認通信、未固定version、未記録fallbackを合成入力で拒否する。Docling標準validatorやtable modelの測定ではない。
## Practice
解析processの低権限化、CPU/RSS/ページ/時間上限、モデルprefetchとhash・license確認、egress firewallと送信許可の分離を行う。原文・native JSON・projectionへのアクセスを揃える。外部引用URLや文書内命令を信頼済みtool instructionとしない。本文ログを最小化し、hash・locatorで監査する。モデル・backend・exporter更新は回帰対象とする。
## Practice
EA-213のETL共通gate、EA-215の専用API、EA-216のOCR比較へ関連付ける。content/staging/EA-214.mdの全文をPATH_GUARDED createで提出。監査はD2のlossless範囲、D3の通信境界、D5のversion範囲、実parser未実行の明示、manifest/payload/readback一致を確認する。承認時だけREADYを作成する。
## 要点と前提
REVISION_ID: EA-214-GAP-FIRST-20261004
REVISION_KIND: FIRST_FORMAL_RESEARCH_AFTER_LOCATION_ONLY_RECORD
EVIDENCE_AS_OF: 2026-10-04 JST
OWNER: Work gap recovery

## 既存記録の検証と調査範囲
EA_MASTER行215、退避Doc 1Vd0BP7G2UyPDRQs_-8dPvTgQ78Tk6kcVGuMJjqNdr84 tab t.0 1324–1794を直接取得。NOT_REVIEWED/LUNA_PRESEARCH_NOT_LOCATEDと次EAへ進む記録であり、正式研究本文ではない。EA-213と同じRUN全体が索引され、ARTIFACT_TITLEもUnstructuredの文章を共有していた。これをDocling固有研究の存在証明にしない。ユーザーの欠落解消指示により初回正式調査を実施する。旧成果の不存在は未確定。DriveとLibraryのID検索も非網羅的。

対象はDoclingの構造変換、exportの保持境界、ローカル/OCR/model通信、評価設計。VLM、docling-serve、全新形式の個別性能は対象外。無条件の高精度、全表保持、完全offlineの主張はしない。

## 一次証拠とclaim対応
すべて2026-10-04に原ページを取得。docs/mainは可変。v2.133.0はrelease観測であり本RUNの実行versionではない。

|ID|一次資料・URL|確認事項と限界|
|---|---|---|
|D1|作者repo https://github.com/docling-project/docling |IBM Research由来、DoclingDocument、OCR/layout/table/reading-order、ローカル実行、code MITとモデル別license。宣伝上の能力と実測を分離。|
|D2|公式 supported formats https://docling-project.github.io/docling/usage/supported_formats/ |PDF/Office/画像等の入力とMarkdown/HTML/JSON等の出力。lossless JSONはDoclingDocumentのserializationを指す。原本の完全復元保証ではない。|
|D3|公式 advanced options https://docling-project.github.io/docling/usage/advanced_options/ |モデルの初回取得と事前download、remoteサービスopt-in、table cell matchingとmode、resource上限。送信許可とweights取得は別。|
|D4|作者論文 https://arxiv.org/abs/2501.17887 |2025-01-27 v1。構造化表現とモジュール設計の根拠。作者の効率性記述を独立比較結果にしない。|
|D5|一次障害報告 https://github.com/docling-project/docling/issues/3461 |2.84.0、docling-parse 5.9.0、Python3.12でform PDFの構造・順序不正報告。現行版全般へ外挿しない。|
|D6|作者releases https://github.com/docling-project/docling/releases |v2.133.0がLatest、03 Oct 11:27の表示。固定導入版・依存・modelとの互換性は別検証。|

## ESTABLISHED / FINDINGS
1. Doclingは複数形式の内容をDoclingDocumentへ統合して各形式へexportする。JSONを正本、Markdownを閲覧・RAG向けprojectionとする設計は可能だが組織側の選択である。[D1,D2]
2. JSONのlosslessは変換後の内部表現に対するもの。parserが取り落とした文字・表や誤ったreading orderが正しく戻るという意味ではない。[D2,D5]
3. 既定モデル取得とremote推論許可を区別する。enable_remote_servicesの無効化だけでweights取得を含む通信全体が止まるとは言えない。[D3]
4. table cell matchingを変更する選択肢は、列結合等への対応手段。ACCURATEというmode名をすべての業務表の正解保証として扱わない。[D3,D5]
5. code MITは個別modelの利用条件まで包含しない。[D1]
6. 最新release観測と実行pinは別。readmeの新機能やcurrent docsのoptionが旧実行版に存在すると仮定しない。[D1,D6]

## INFERENCE / 提案
DOCLING_CONVERSION_RECORD_V1を運用受入schemaとして提案する。source/input/output hash、format、page_count、package/docling-core/docling-parse/Python/backend、model IDs/revisions/hashes/license、OCR engine/languages、do_table_structure/do_cell_matching/TableFormer mode、remoteサービス承認、prefetch証跡、warnings/status、native JSON locator、exporter/options、page/bbox/charspan、table cells/spans、ACL/tenantを記録する。Doclingの正式API schemaではない。

元素材→固定環境でDoclingDocument→native JSON保存→goldenと来歴gate→Markdown/HTML projection→ACL付きindex。exportだけを保存すると内部構造や来歴が失われる可能性があるため、正本とprojectionを明記する。空出力、partial conversion、failed pageは成功扱いを禁止する。モデル等の更新時は同じgolden corpusで差分評価する。

## FAILURE_ENVELOPE / COUNTEREVIDENCE
formのkey/value順序、複数段、merged cell、nested/multi-page table、hyphenation、画像中数字、縦書き、数式、ページ抜け、charspan不整合、暗号化/壊れたPDF、resource exhaustion、初回モデルdownload、remote VLM、exportの情報落ち。D5は報告者の特定version観測で未再現。本RUNは修正済み/未修正の現行判定をしない。作者論文は独立本番benchmarkではなく、全社素材の精度保証には使わない。

## BENCHMARK_OR_EVAL / TEST_PROFILE
実Docling/OCR/modelは本RUNでは未実行。現物PDFの性能、layout・reading-order精度、最新APIの動作はUNKNOWN。合成record受入gateだけを実行し、product benchmarkと区別する。
fixtureはborn-digital/scan/mixed、form key-value、二段、結合・nested・複数ページ表、日英・縦書き、Office/画像、empty/encrypted/oversizedを層別に用意。goldenの文字・セル・span・順序edge・ページ来歴を人が確定。text accuracy、table cell/span precision/recall、reading-order edge違反、page coverage、引用元正しさ、数値値一致、latency/RSS、network attemptsを測る。Markdownの可読性と内部JSON保持率を別評価し、組織の閾値を先に固定する。
添付gate_fixture.pyは空出力、source差替え、ACL混在、順序反転、数値セル変更、来歴欠落、未承認通信、未固定version、未記録fallbackを合成入力で拒否する。Docling標準validatorやtable modelの測定ではない。

## SECURITY_PRIVACY_AUDIT_OPERABILITY
解析processの低権限化、CPU/RSS/ページ/時間上限、モデルprefetchとhash・license確認、egress firewallと送信許可の分離を行う。原文・native JSON・projectionへのアクセスを揃える。外部引用URLや文書内命令を信頼済みtool instructionとしない。本文ログを最小化し、hash・locatorで監査する。モデル・backend・exporter更新は回帰対象とする。

## SAFE_WORDING_FOR_FUTURE_BOOK
DoclingはPDF、Office、画像等を共通構造へ変換し、Markdown・HTML・JSON等へ出力する。表・読み順・OCRの品質は素材と設定に依存するため、元素材との照合を行う。内部表現のJSON保存は変換後の構造を保持する手段であり、原文の完全復元や正確性の保証ではない。offline運用にはモデル準備と通信制御を別途確認する。

## OPEN_UNKNOWN / STOP_CONDITION
旧Luna成果locator、組織素材の実測精度、採用packageと依存/model pin、ライセンス適合、モデル供給の永続性、remote契約、組織の受入閾値、production SLAはUNKNOWN。今回のbounded research gateは主張を資料で裏付け、反証と未実測を明示し、全文candidate・保存readbackを成立させた時点まで。独立監査と本番採用は別判断。

## UPDATE_WORK_HANDOFF
EA-213のETL共通gate、EA-215の専用API、EA-216のOCR比較へ関連付ける。content/staging/EA-214.mdの全文をPATH_GUARDED createで提出。監査はD2のlossless範囲、D3の通信境界、D5のversion範囲、実parser未実行の明示、manifest/payload/readback一致を確認する。承認時だけREADYを作成する。

NEXT: /agent/start.json
STOP: This is a knowledge projection, not an execution order.