Docling: chuyển PDF và bản scan thành dữ liệu có cấu trúc cho RAG, chạy cục bộ
Đăng ngày 12/10/2026
Mục lục bài nghiên cứu
Docling đứng ở khâu nào của chuỗi RAG, và khi nào nên dừng lại
Docling là thư viện Python chuyển đổi tài liệu: đọc PDF, DOCX, PPTX, XLSX, HTML, ảnh, email và cả âm thanh, video, rồi đưa về một biểu diễn thống nhất là DoclingDocument để xuất Markdown, HTML, JSON hoặc chia đoạn cho hệ thống RAG. Dự án do nhóm AI for knowledge của IBM Research Zurich khởi xướng và hiện thuộc LF AI & Data Foundation. [1][3]
Docling nằm ở khâu đầu của chuỗi tri thức: biến tệp khó đọc thành cấu trúc có tiêu đề, đoạn, bảng, hình kèm vị trí trên trang. Nó không phải cơ sở dữ liệu vector hay chatbot. Lý do đáng cân nhắc là khả năng hiểu PDF, hỗ trợ OCR và chạy cục bộ cho dữ liệu nhạy cảm, kể cả môi trường cách ly mạng. [1][8]
Nên thử Docling khi tổ chức có kho PDF, bản scan, biểu mẫu cần đưa vào tìm kiếm hoặc trích xuất có kiểm soát. Cần thận trọng khi hồ sơ chủ yếu là chữ viết tay, ảnh chụp kém, hoặc khi chưa kiểm chứng OCR tiếng Việt với engine đã chọn, vì tài liệu OCR không có mục riêng nói về chất lượng tiếng Việt. [7]
PDF, bản scan và bảng biểu: nút thắt trước mọi hệ thống hỏi đáp
Hệ thống hỏi đáp trên tài liệu chỉ tốt bằng văn bản đầu vào. PDF lưu ký tự theo vị trí vẽ trên trang chứ không theo đoạn; bảng vỡ thành dòng chữ rời; đầu trang, chân trang lẫn vào nội dung; bản scan chỉ là ảnh. Đưa văn bản trích thô vào chỉ mục thì câu trả lời dễ lấy sai cột, sai thứ tự hoặc thiếu ngữ cảnh.
Docling tiếp cận bằng cách mô hình hóa tài liệu: phân tích bố cục, thứ tự đọc, cấu trúc bảng, mã, công thức, phân loại hình, và tách phần furniture như đầu trang, chân trang khỏi thân bài. Kết quả là một cây tài liệu thay vì một chuỗi ký tự. [1][6]
Khó khăn thứ hai là sự đa dạng định dạng: cùng lúc nhận tệp Word, bảng tính, email, ảnh chụp từ điện thoại. Docling đưa các nguồn đó về một mô hình dữ liệu, để các bước sau như chia đoạn, gắn metadata, kiểm duyệt dùng chung một đường ống. [1][3]
Converter, backend, pipeline: ba lớp quyết định cách một tệp được đọc
Tài liệu kiến trúc mô tả DocumentConverter giữ ánh xạ từ mỗi định dạng tới backend, tức bộ đọc riêng của định dạng, và pipeline, tức chuỗi bước xử lý, kèm tùy chọn. Ánh xạ mặc định có thể thay, ví dụ dùng backend và tùy chọn pipeline khác cho PDF; các thành phần vẽ nét đứt trong sơ đồ là lớp cơ sở có thể kế thừa. [3]
Với PDF, nhiều bước có thể chỉnh: TableFormer nhận dạng cấu trúc bảng với chế độ FAST hoặc ACCURATE, mặc định là ACCURATE; NativePdfPipeline chỉ dùng docling-parse, không chạy mô hình bố cục, OCR hay bảng [8]. Ngoài ra có pipeline VLM dùng mô hình thị giác ngôn ngữ như GraniteDocling. [1]
Đầu ra của mọi pipeline là ConversionResult chứa DoclingDocument, từ đó ứng dụng gọi phương thức xuất, dùng serializer hoặc chunker để chia đoạn [3]. Kiểu DoclingDocument được định nghĩa trong gói docling-core, một kho riêng. [6]
Có bốn cách dùng: thư viện Python được README khuyến nghị, CLI, máy chủ API docling-serve và máy chủ MCP để kết nối agent. [1][4]
Từ tệp quét tới DoclingDocument, rồi tới đoạn văn sẵn sàng cho chỉ mục
Đầu vào là đường dẫn, URL hoặc luồng nhị phân [4][8]; lệnh convert nhận giới hạn số trang và dung lượng tệp cho từng tài liệu [8]. Converter chọn backend và pipeline theo định dạng [3]; với trang scan, OCR chạy theo ngôn ngữ đã khai báo. [7]
Kết quả được ghép vào DoclingDocument: nội dung nằm trong các danh sách texts, tables, pictures, key_value_items; cấu trúc nằm ở cây body, furniture và groups; phần tử tham chiếu nhau bằng JSON pointer; thứ tự đọc thể hiện qua thứ tự con trong cây body; bounding box và thông tin nguồn gốc (provenance) được gắn nếu có. [6]
ConversionResult còn mang báo cáo độ tin cậy ở cấp trang và cấp tài liệu, gồm các điểm thành phần cho bố cục, OCR, phân tích văn bản (điểm bảng chưa triển khai) và hai mức tổng hợp mean_grade, low_grade theo thang POOR, FAIR, GOOD, EXCELLENT. [9]
Cuối cùng, tài liệu được xuất JSON không mất mát để lưu, Markdown để đọc, hoặc chia đoạn đưa sang cơ sở dữ liệu vector qua tích hợp LangChain, LlamaIndex, Haystack [1]. Thiết kế đề xuất là lưu JSON làm bản chuẩn, còn các bản xuất khác là dẫn xuất tạo lại được.
Khả năng đã đối chiếu trong tài liệu dự án
Định dạng đầu vào theo README gồm PDF, DOCX, PPTX, XLSX, HTML, EPUB, Apple Pages, Numbers, Keynote, WAV, MP3, WebVTT, email EML và MSG, ảnh PNG, TIFF, JPEG, LaTeX và văn bản thuần; mục mới có ODF, XBRL và video với bản chép ASR cùng khung hình đại diện. Định dạng xuất gồm Markdown, HTML, WebVTT, DocLang, DocTags và JSON không mất mát. [1]
Với PDF, Docling nhận diện bố cục trang, thứ tự đọc, cấu trúc bảng, mã, công thức và phân loại hình [1]. Mặc định mọi tiêu đề PDF ra cấp 1; bật HeadingHierarchyOptions để suy cấp tiêu đề từ bookmark, cách đánh số và kiểu chữ. [8]
Về OCR có sáu engine cài thêm là RapidOCR, Nemotron-OCR, EasyOCR, ocrmac, tesseract CLI, tesserocr, cùng tùy chọn gửi tới máy chủ suy luận KServe v2 [7]. Về chạy cục bộ, mô hình có thể tải trước bằng docling-tools và trỏ qua artifacts_path cho môi trường cách ly; mọi dịch vụ từ xa phải được bật tường minh. [8]
README liệt kê ở mục sắp có việc trích xuất metadata (tiêu đề, tác giả, tài liệu tham khảo, ngôn ngữ) và hiểu cấu trúc hóa học; bài coi đây là kế hoạch, chưa phải tính năng. Python 3.9 bị bỏ từ bản 2.70.0, nên cần Python 3.10 trở lên trên macOS, Linux hoặc Windows. [1]
OCR tiếng Việt: khai báo ngôn ngữ trước, đo chất lượng sau
Mọi engine nhận ngôn ngữ qua trường OcrOptions.lang, dưới dạng mã riêng của engine hoặc thẻ BCP-47 có tiền tố iso:, và hàm supported_ocr_languages() trả về các ngôn ngữ engine hỗ trợ trong môi trường đã cài. Khi engine không phục vụ được ngôn ngữ yêu cầu, Docling báo lỗi chứ không lặng lẽ đổi bộ nhận dạng. [7] Bước đầu của mọi dự án tiếng Việt là gọi hàm này cho engine định dùng.
Bẫy nằm ở mặc định: khi danh sách ngôn ngữ để trống, RapidOCR dùng tiếng Trung giản thể, EasyOCR dùng tiếng Anh, Nemotron-OCR dùng mô hình tiếng Anh. RapidOCR chỉ chạy một ngôn ngữ mỗi lượt, còn Nemotron-OCR chuyển các ngôn ngữ chữ Latin khác sang mô hình tiếng Anh theo kiểu best effort kèm cảnh báo độ chính xác chưa được kiểm định. [7] Với chữ Việt nhiều dấu, cấu hình mặc định có thể cho ra văn bản sai dấu mà quy trình không báo lỗi.
Tesseract kiểm tra ngôn ngữ với các tệp traineddata đã cài ngay khi khởi tạo, nên thiếu tệp sẽ lỗi sớm thay vì hỏng từng trang. Với ocrmac trên macOS, tài liệu lưu ý một số mã của Vision mang vùng không hợp lệ theo ISO như vi-VT và phải truyền dạng mã gốc. [7]
Khuyến nghị: khai báo tiếng Việt tường minh cho hai engine ứng viên, đo tỷ lệ lỗi ký tự trên bộ scan thực tế và dùng ocr_score cùng low_grade để gắn cờ trang cần người kiểm [9]. Với ngôn ngữ mà RapidOCR phục vụ bằng PP-OCRv6, ba kích thước tiny, small, medium cũng phải tự đo, vì Docling không benchmark hay khuyến nghị kích thước nào. [7]
Đơn vị nào hưởng lợi, đơn vị nào nên chờ
Docling phù hợp với đội xây hệ thống RAG hoặc tìm kiếm nội bộ có nguồn là PDF và tệp văn phòng, với nhóm số hóa lưu trữ, và với đơn vị xử lý báo cáo tài chính XBRL, bằng sáng chế USPTO hay bài báo JATS, vì README liệt kê các lược đồ XML chuyên dụng này. [1]
Tổ chức xử lý dữ liệu nhạy cảm như y tế, pháp lý, công chứng, ngân hàng hưởng lợi rõ từ khả năng chạy cục bộ. [1][8] Độc giả phamvanthu.com đang dựng hệ thống tri thức kiểu bộ não thứ hai cho cá nhân hay SME cũng cần đúng một khâu nhập liệu chuẩn hóa như vậy trước khi bàn tới tìm kiếm thông minh.
Nên chờ hoặc chọn cách khác khi nguồn chủ yếu là dữ liệu có cấu trúc sẵn như cơ sở dữ liệu, API, hoặc khi chỉ cần trích vài trường cố định từ một mẫu biểu duy nhất; khi đó một quy tắc trích xuất đơn giản có thể rẻ hơn.
Văn phòng công chứng: số hóa hồ sơ đầu vào mà dữ liệu không rời văn phòng
Tình huống giả định: một văn phòng công chứng ở đô thị lớn mỗi ngày tiếp nhận nhiều bộ hồ sơ gồm bản sao giấy tờ tùy thân, giấy chứng nhận quyền sử dụng đất, hợp đồng dự thảo dạng Word khách gửi qua email và ảnh chụp giấy tờ từ điện thoại. Thư ký nghiệp vụ gõ lại thông tin vào phần mềm quản lý, công chứng viên kiểm tra. Đây là ứng dụng đề xuất, không mô tả đơn vị có thật.
Docling được đặt trên một máy chủ trong văn phòng, dùng mô hình tải trước và không bật dịch vụ từ xa [8]. Hồ sơ được chuyển thành DoclingDocument JSON lưu cạnh tệp gốc; giao diện nội bộ hiển thị bản chuyển đổi bên ảnh gốc, có khung đánh dấu vị trí nhờ bounding box [6], để thư ký đối chiếu và chép trường cần thiết thay vì gõ lại từ đầu.
Trang có grade POOR hoặc FAIR, hay low_grade thấp, bị gắn cờ bắt buộc đối chiếu toàn văn [9]. Bảng như danh mục tài sản giữ cấu trúc nhờ TableFormer ở chế độ ACCURATE [8], còn hợp đồng DOCX đi qua backend riêng của định dạng đó. [3]
Trách nhiệm không đổi: bản chuyển đổi chỉ hỗ trợ nhập liệu, công chứng viên vẫn đối chiếu mọi nội dung với bản gốc, và kho JSON là dữ liệu cá nhân phải theo cùng chính sách lưu trữ, tiêu hủy như hồ sơ giấy.
Chạy Docling như thư viện, CLI hay dịch vụ docling-serve
Ở dạng thư viện, chỉ cần môi trường Python 3.10 trở lên và các gói OCR cần dùng [1][7]. Mặc định mô hình được tải ở lần dùng đầu; với máy chủ không có Internet, chạy docling-tools models download trên máy có mạng, chuyển thư mục mô hình sang và trỏ artifacts_path hoặc biến DOCLING_ARTIFACTS_PATH. Số luồng CPU mặc định là 4 và chỉnh được bằng OMP_NUM_THREADS. [8]
docling-serve là kho riêng; trang triển khai tóm tắt bản v1.21.0, chạy bằng lệnh docling-serve run hoặc container và cấu hình qua biến môi trường. Engine Local mặc định chạy job trong thread pool của tiến trình với 2 worker, engine RQ đưa job vào Redis để tách tầng API khỏi worker; trạng thái task nằm cục bộ trên nút nên nhiều bản sao cần sticky session. [10]
Giao diện demo Gradio chỉ để trình diễn, tệp trong bộ nhớ đệm bị xóa sau khoảng 10 giờ. Với GPU NVIDIA, tài liệu yêu cầu driver từ 550.54.14 cùng nvidia-container-toolkit; image ROCm cho AMD không được phát hành sẵn. [10]
SECURITY.md chỉ cam kết hỗ trợ các phiên bản mới nhất [5]. Vì vậy nên cố định phiên bản trong môi trường chính, giữ một bộ hồ sơ mẫu làm kiểm thử hồi quy, và chỉ nâng cấp khi bộ mẫu cho kết quả không kém hơn.
Dữ liệu nhân thân, máy chủ nội bộ và cờ enable_remote_services
Tài liệu tùy chọn nâng cao nêu mục đích chính của Docling là chạy mô hình cục bộ, không chia sẻ dữ liệu người dùng với dịch vụ từ xa. Các tùy chọn gọi dịch vụ ngoài như mô tả ảnh qua API, OCR qua KServe hay VLM qua API tương thích OpenAI chỉ chạy khi đặt enable_remote_services=True, nếu không sẽ báo OperationNotAllowed. [8] Văn phòng công chứng nên coi cờ này là cấu hình bị cấm và kiểm tra trong review mã.
Cờ này chỉ điều khiển việc gửi dữ liệu người dùng; việc kéo trọng số mô hình theo cơ chế tải riêng. Backend HTML chỉ tải ảnh từ xa khi bật hai cờ riêng và chỉ tới địa chỉ công khai, còn JSON của Docling bỏ qua tham chiếu ảnh cục bộ theo mặc định. [8] Máy chủ xử lý hồ sơ nên chặn kết nối ra ngoài sau khi đã nạp mô hình.
Với docling-serve, mặc định bind 0.0.0.0 cổng 5001 và DOCLING_SERVE_API_KEY để trống, tức không đòi khóa API nếu không đặt. Cần đặt khóa, giới hạn MAX_NUM_PAGES và MAX_FILE_SIZE, và đặt sau reverse proxy có TLS; tài liệu dẫn tới ví dụ triển khai bảo mật với oauth-proxy trong kho docling-serve. [10]
Về chuỗi cung ứng, SECURITY.md nêu bản phát hành được ký trên PyPI, Quay.io, GHCR.io, dự án tham gia OpenSSF Best Practices, có kênh báo lỗ hổng riêng tư và phản hồi trong 3 ngày làm việc. [5] Đó là cam kết quy trình, không phải bảo đảm phần mềm không có lỗ hổng.
MIT cho mã nguồn, giấy phép riêng cho từng mô hình
Tệp LICENSE là giấy phép MIT, bản quyền thuộc The Docling Contributors: cho phép dùng, sửa, phân phối, cấp phép lại và bán, với điều kiện giữ thông báo bản quyền và giấy phép; phần mềm được cung cấp nguyên trạng, không bảo hành. [2]
README ghi rõ ranh giới: mã nguồn Docling theo MIT, còn việc dùng từng mô hình phải theo giấy phép trong gói gốc của mô hình [1]. Các mô hình bố cục, bảng, GraniteDocling hay VLM khác, cũng như engine OCR như Tesseract, EasyOCR, RapidOCR, Nemotron-OCR, vì vậy cần kiểm tra điều khoản riêng trước khi đưa vào sản phẩm. [7]
Thành phần ở kho khác như docling-core, nơi định nghĩa DoclingDocument [6], hay docling-serve [10] không thuộc phạm vi LICENSE của kho này, và bài chưa đọc giấy phép của chúng. Trang triển khai cũng nhắc tới một dịch vụ được quản lý (managed service) cho ai không muốn tự vận hành; bài không khảo sát điều khoản dịch vụ đó. [10]
Tại commit khảo sát, README và LICENSE thống nhất về MIT, và dự án nằm trong LF AI & Data Foundation. [1][2] Kết luận giấy phép chỉ áp dụng cho mã tại commit này, không cho dữ liệu khách hàng hay mô hình tải về sau.
CPU, GPU và giờ người duyệt: ba khoản chi chính
Giấy phép mã không tốn phí, nhưng chi phí thật nằm ở tính toán và con người: máy chủ CPU nhiều nhân và RAM đủ cho các mô hình bố cục, bảng, OCR; GPU nếu dùng pipeline VLM hoặc cần thông lượng cao; ổ lưu tệp gốc, JSON và ảnh trang; thời gian thư ký và công chứng viên để duyệt.
Giả định lập kế hoạch, không phải số đo: văn phòng nhận vài chục bộ hồ sơ mỗi ngày, mỗi bộ vài chục trang. Cần đo thời gian xử lý mỗi trang trên phần cứng định mua, có thể bật DOCLING_DEBUG_PROFILE_PIPELINE_TIMINGS để ghi thời gian từng bước [10], rồi nhân với khối lượng giờ cao điểm để chọn số worker.
Cấu hình ảnh hưởng chi phí: TableFormer FAST nhanh hơn nhưng kém chính xác hơn ACCURATE, NativePdfPipeline bỏ qua mô hình với PDF có lớp chữ [8], RapidOCR có ba kích thước mô hình [7]. Mỗi lựa chọn phải đánh giá trên bộ mẫu vì tài liệu không đưa ra số liệu hiệu năng.
Khoản lớn nhất thường là giờ người duyệt. Nếu báo cáo độ tin cậy gắn cờ quá nhiều trang [9], phần thời gian tiết kiệm sẽ biến mất; tỷ lệ trang phải duyệt thủ công vì thế là chỉ số chi phí quan trọng nhất.
Bộ chuyển đổi mở, dịch vụ đám mây hay tự viết bộ trích xuất
Dịch vụ OCR và hiểu tài liệu của các nhà cung cấp đám mây lớn giảm công vận hành, nhưng với hồ sơ công chứng, việc gửi giấy tờ tùy thân và giấy chứng nhận tài sản ra ngoài cần đánh giá pháp lý kỹ. Docling cho phép giữ toàn bộ xử lý trong văn phòng. [8]
Các công cụ mã nguồn mở khác gồm Tesseract dùng trực tiếp, thư viện trích văn bản PDF như pdfplumber hay PyMuPDF, và bộ chuyển đổi như MarkItDown của Microsoft hay Unstructured. Mỗi công cụ có phạm vi định dạng, cách xử lý bản scan và giấy phép riêng; nên so trên cùng bộ hồ sơ mẫu thay vì dựa vào mô tả.
Tự viết bộ trích xuất theo mẫu cố định bằng biểu thức chính quy hay tọa độ vùng thì rẻ khi mẫu ổn định, nhưng gãy khi mẫu đổi hoặc ảnh chụp nghiêng. Có thể kết hợp: dùng Docling để có cấu trúc và vị trí phần tử [6], rồi áp quy tắc trích trường riêng phía sau.
Những trường hợp Docling không nên là lựa chọn đầu tiên
Docling không xác thực giấy tờ, không phát hiện giả mạo, không hiểu ngữ nghĩa pháp lý; nó trích nội dung và cấu trúc, còn mọi suy diễn là trách nhiệm của ứng dụng và con người.
Chất lượng phụ thuộc mạnh vào ảnh đầu vào và engine OCR. Báo cáo độ tin cậy chỉ là tín hiệu: tài liệu khuyên dựa vào grade vì điểm số dạng số dùng nội bộ và cách tính có thể đổi, và điểm bảng chưa được triển khai. [9]
Một số khả năng còn là kế hoạch, như trích metadata [1]. Cấp tiêu đề PDF mặc định đều là cấp 1 nếu không bật suy luận phân cấp [8], điều có thể làm lệch việc chia đoạn theo mục.
Không nên dùng khi không có người duyệt kết quả, khi cần xử lý khối lượng rất lớn theo giây mà chưa có ngân sách phần cứng, hoặc khi hồ sơ chủ yếu ở dạng có cấu trúc sẵn.
Thử nghiệm sáu tuần với hồ sơ mẫu đã ẩn danh
Tuần 1 và 2: dựng bộ 200 đến 300 trang gồm hồ sơ mẫu tự tạo hoặc bản sao đã ẩn danh theo quy trình được phê duyệt, đủ loại scan tốt, scan mờ, ảnh điện thoại, DOCX; gõ chuẩn các trường quan trọng như họ tên, số giấy tờ, địa chỉ thửa đất làm đáp án. Đây là kế hoạch đề xuất, chưa có kết quả đo.
Tuần 3 và 4: chạy hai cấu hình OCR có khai báo tiếng Việt [7] trên pipeline mặc định. Đo tỷ lệ lỗi ký tự trên các trường quan trọng, tỷ lệ bảng giữ đúng cấu trúc, tỷ lệ trang bị gắn cờ duyệt theo grade [9] và thời gian xử lý mỗi trang trên máy chủ dự kiến.
Tuần 5: kiểm thử an toàn, xác nhận máy chủ không có kết nối ra ngoài khi xử lý, enable_remote_services luôn tắt [8], docling-serve đòi khóa API [10], nhật ký không chứa nội dung giấy tờ.
Tuần 6: so thời gian và lỗi nhập liệu của thư ký khi có và không có bản chuyển đổi. Dừng nếu lỗi trên trường số giấy tờ còn sót sau bước đối chiếu, nếu tỷ lệ trang phải duyệt toàn văn cao tới mức không tiết kiệm thời gian, hoặc nếu phát hiện bất kỳ luồng dữ liệu nào ra ngoài. Chỉ mở rộng khi trưởng văn phòng và công chứng viên phụ trách đồng ý.
Kết luận: mạnh ở khâu đầu vào, không thay khâu thẩm định
Docling là lựa chọn đáng cân nhắc cho khâu biến tài liệu thành dữ liệu có cấu trúc: nhiều định dạng, hiểu bố cục PDF, mô hình tài liệu có vị trí và nguồn gốc, chạy cục bộ với dịch vụ từ xa bị chặn theo mặc định, và báo cáo độ tin cậy để đưa con người vào đúng chỗ. [1][6][8][9]
Với văn phòng công chứng giả định, giá trị là bớt gõ lại và bớt lỗi nhập liệu, không phải tự động hóa công chứng.
Câu hỏi quyết định nằm ở OCR tiếng Việt trên hồ sơ thật, và chỉ một thử nghiệm có đáp án chuẩn mới trả lời được.
Về nguồn tư liệu và cách nghiên cứu
Docling được chọn từ kho lưu độc lập danh sách GitHub Trending theo ngôn ngữ, với bằng chứng là danh sách Python ngày 07/01/2026, vị trí thứ 4 [11]; dữ liệu tuyển chọn ghi 7 lần xuất hiện từ 07/01 đến 22/09/2026. Kho lưu chỉ gồm bốn danh sách ngôn ngữ (Python, Go, JavaScript, Swift), vắng dữ liệu ngày 03/09 và 12/10, nên không thể đọc như một bảng Top 100 chính thức.
Nguồn kỹ thuật là commit a057e8d846ca27fac981c0188fc84cac33067b28 (12/10/2026), kiểm tra ngày 12/10/2026: README, LICENSE, tài liệu kiến trúc, quickstart, SECURITY.md, cùng năm tài liệu bổ sung về DoclingDocument, OCR, tùy chọn nâng cao, điểm tin cậy và triển khai docling-serve [1][2][3][4][5][6][7][8][9][10]. Một tệp kiến trúc trong thư mục .agents được ghim sẵn nhưng mô tả thư viện Pydantic AI, không phải Docling, nên không được dùng.
Phương pháp là đọc và đối chiếu tài liệu; Docling chưa được cài hay chạy trên tài liệu nào trong quá trình viết. Kịch bản văn phòng công chứng, khung chi phí và lịch thử nghiệm sáu tuần là đề xuất phân tích; bài không phải nghiên cứu khoa học đã phản biện.
Xem mã nguồn Docling trên GitHub