LF AI & Data：「上下文是新瓶颈」——开放基础设施 Docling 与 DocLang

上下文而非模型，正在成为限制因素

Linux Foundation AI & Data 技术顾问委员会（TAC）主席 Peter Staar 提出了一个引人深思的论断：在现代 AI 系统中，模型已不再是瓶颈——瓶颈在于上下文层，即向 AI 模型提供相关数据和文档作为输入上下文的那一层基础设施。RAG（Retrieval-Augmented Generation）和智能体系统每天都面临这一挑战——若缺乏健壮的文档处理基础设施，即便是最先进的模型也无法给出高质量的回答。类比十分直观：如果模型接收的是未经良好处理或缺乏结构的数据，更好的 GPU 也无济于事。

哪些开放项目在应对这一挑战？

LF AI & Data 生态系统中有两个项目直接针对上下文层问题。Docling 专注于文档理解——从各种格式中进行解析、结构化和语义提取。DocLang 则处理语义互操作性，即协调异构系统之间的数据含义。两个项目均为开源，并在 LF AI & Data 旗下获得许可，适合企业采用且无供应商锁定风险。相比之下，Azure Document Intelligence 或 AWS Textract 等商业等价产品则依赖云端并按页计费。

LF AI & Data 社区的三大战略优先事项

Staar 的文章勾勒出三个发展方向：其一，社区对上下文技术作为独立学科的关注度不断提升；其二，Docling 和 DocLang 将在更广泛的 Linux Foundation 项目生态中实现更深度的集成；其三，降低贡献门槛，以吸引研究机构核心圈子之外的更多开发者。这一倡议恰逢工业界对可靠文档 AI 基础设施的需求迅速增长之际，而开放项目在成熟度和文档质量上仍落后于商业产品。