DocTags是开发团队专门设计的结构化文档标记语言，采用JSON-LD语义框架构建。该格式将视觉识别结果转换为机器可读的层次化数据：文本内容保留原始位置坐标信息，文档元素间关系通过拓扑图谱表示，公式和代码等专业内容使用标准化的内容标签。这种设计既保持人类可读性，又支持自动化处理，实现97%的信息保真度。
实际应用中，DocTags可以通过配套的docling_core库一键转换为Markdown、HTML或LaTeX等12种常见格式。测试数据显示，从DocTags到Markdown的转换效率达到每秒2000个标记项，转换过程不会丢失任何结构性信息。该格式还支持版本追踪和增量更新，特别适合文档协同编辑场景。
This answer comes from the articleSmolDocling: a visual language model for efficient document processing in a small volumeThe
May not be reproduced without permission:AI productivity tools " DocTags格式是SmolDocling的核心创新输出
English 
简体中文 
日本語 
Deutsch 
Português do Brasil