镜像一览#
docling.org 于 2026 年 10 月 27 日读取 quay.io/docling-project 镜像清单。
查看数据表
| GB | |
|---|---|
| docling-serve-cpu | 2.22 GB |
| docling-serve | 5.04 GB |
| docling-serve-cu130 | 5.04 GB |
| docling-serve-cu128 | 5.99 GB |
| 镜像 | 适用 | 架构 | 下载大小（amd64） | 建议标签 |
|---|---|---|---|---|
docling-serve-cpu | 无 GPU 的服务器 | amd64、arm64 | 2.22 GB | latest 或 v1.38.2 |
docling-serve | 通用（PyPI 版 PyTorch） | amd64、arm64 | 5.04 GB | latest 或 v1.38.2 |
docling-serve-cu130 | NVIDIA，CUDA 13.0 | amd64、arm64 | 5.04 GB | v1.38.2（没有 latest） |
docling-serve-cu128 | NVIDIA，CUDA 12.8（较旧驱动） | amd64、arm64 | 5.99 GB | v1.38.2——不要用 latest |
所有镜像同时发布在 quay.io/docling-project/ 和 ghcr.io/docling-project/ 下。表中大小是我们根据镜像仓库清单累加的压缩下载量；README 中列出的是更大的解压后大小。AMD ROCm 镜像受支持但未发布——项目说明了如何自行构建。国内拉取较慢时，可配置你常用的镜像加速服务。
运行#
docker run -d --name docling -p 5001:5001 \
-e DOCLING_SERVE_ENABLE_UI=1 \
quay.io/docling-project/docling-serve-cpu:v1.38.2
# API http://localhost:5001 · 文档 /docs · 界面 /uidocker run -d --name docling --gpus all -p 5001:5001 \
quay.io/docling-project/docling-serve-cu130:v1.38.2curl http://localhost:5001/health
curl http://localhost:5001/version镜像里有什么#
| 命令 | docling-serve run（入口点 container-entrypoint） |
|---|---|
| 端口 | 暴露 5001（API）和 8080 |
| 用户 | 1001（非 root） |
| 模型 | 已预先下载；DOCLING_SERVE_ARTIFACTS_PATH=/opt/app-root/src/.cache/docling/models |
| 线程 | OMP_NUM_THREADS=4——在更大的机器上调高 |
读取自 v1.38.2 镜像配置。由于模型在镜像内，容器无需联网即可启动。
docker-compose#
services:
docling:
image: quay.io/docling-project/docling-serve-cpu:v1.38.2
ports:
- "5001:5001"
environment:
DOCLING_SERVE_ENABLE_UI: "1"
DOCLING_SERVE_API_KEY: "change-me" # 客户端发送 X-Api-Key
DOCLING_SERVE_MAX_SYNC_WAIT: "300"
DOCLING_SERVE_ENG_LOC_NUM_WORKERS: "2"
OMP_NUM_THREADS: "8"
restart: unless-stopped使用 GPU 时，把镜像换成 CUDA 版本，并添加设备预留（deploy.resources.reservations.devices，driver: nvidia）。每个 DOCLING_SERVE_* 设置的说明见 docling-serve 指南。
在镜像中使用 docling 命令行#
镜像的 PATH 包含装有 Docling 的虚拟环境，因此可以替换默认命令来转换挂载目录中的文件：
docker run --rm -v "$PWD:/data" --user "$(id -u)" \
quay.io/docling-project/docling-serve-cpu:v1.38.2 \
docling convert /data/report.pdf --to md --output /data以你自己的用户 ID 运行可以避免挂载目录的权限问题（镜像默认用户为 1001）。
构建自己的镜像#
如果只需要库本身，自建的精简镜像往往更小。先安装 CPU 版 PyTorch，并在构建时预下载模型：
FROM python:3.12-slim
ENV PIP_NO_CACHE_DIR=1 DOCLING_ARTIFACTS_PATH=/models
RUN pip install torch torchvision --index-url https://download.pytorch.org/whl/cpu \
&& pip install "docling==2.148.0" \
&& docling-tools models download -o /models
WORKDIR /data
ENTRYPOINT ["docling"]docker build -t my-docling .
docker run --rm -v "$PWD:/data" my-docling convert report.pdf --to md --no-ocr常见问题
有官方的 Docling Docker 镜像吗？
有，即 docling-serve：quay.io/docling-project/docling-serve（ghcr.io 上也有），提供 -cpu、-cu128 和 -cu130 版本，支持 linux/amd64 和 linux/arm64。它在 5001 端口提供 REST API，并包含 Docling 库。
Docling Docker 镜像有多大？
v1.38.2 的 linux/amd64 压缩下载大小：docling-serve-cpu 为 2.22 GB，docling-serve 和 docling-serve-cu130 为 5.04 GB，docling-serve-cu128 为 5.99 GB（根据 2026 年 10 月 27 日的镜像仓库清单累加）。解压后在磁盘上更大。
如何在 Docling 容器中使用 GPU？
安装 NVIDIA Container Toolkit，选用与驱动匹配的 CUDA 镜像（例如 docling-serve-cu130:v1.38.2），并用 --gpus all 启动。
为什么我的 docling-serve-cu128:latest 这么旧？
因为 CUDA 镜像应按版本标签拉取。2026 年 10 月 27 日，docling-serve-cu128:latest 指向 2026 年 2 月 6 日构建的 v1.12.0，而当前版本是 v1.38.2。CUDA 镜像务必固定明确的版本。