Un usuario de Reddit informa que, tras tres meses intentando convertir PDFs a JSON, se ha decantado por Docling para el análisis pero enfrenta problemas persistentes en la etapa posterior de mapeo de datos. El usuario emplea un modelo local Qwen 3.5-9B para transformar la salida markdown de Docling en un formato JSON específico.

  • El modo de fallo principal implica la etiquetación incorrecta de cantidades y montos, así como la sustitución de valores que deberían permanecer sin cambios.
  • Los intentos de ingeniería de prompts han fallado porque los ajustes crean nuevos problemas en lugar de ofrecer una solución generalizada.
  • El usuario sospecha que el problema proviene de limitaciones inherentes a las capacidades de los LLM locales, más que de defectos en el flujo de trabajo en sí.

La publicación destaca la dificultad de lograr una extracción de datos estructurados fiables desde PDFs utilizando únicamente modelos locales sin depender de APIs externas.