横向对比 MinerU、Docling、PaddleOCR、DolphinOCR、MonkeyOCR 等主流文档解析方案，梳理文档结构识别技术从传统视觉模型到生成式 Transformer 架构的两代演进，以及各自在 RAG 场景下的适配情况。
dots.ocr, MonkeyOCR, PP-StructureV3
文档结构识别是广义OCR的核心，为RAG提供入口。RAGFlow的DeepDoc率先实现，随后MinerU、Docling等跟进。技术已演进两代：第一代基于传统视觉模型，CPU可跑但需“雕花”式多场景训练；第二代转向生成式Transformer架构，如Nougat、OCR 2.0，GPU推理却泛化更强，并融合文本语义（如M2Doc），正成为主流。
