Domtree定义

在RAG（检索增强生成）系统中，高质量的文档解析是确保下游任务准确性和效率的关键基础。作为文档解析模块的核心组成部分，DomTree协议通过结构化表征文档的层级与语义关系，将复杂异构的原始文档转化为可编程、可推理的树形逻辑结构。

结构定义

字段名称	字段说明	数据类型
root	根节点	Node
source_file	文档来源	object
id	文件ID	string
name	文件名	string
type	eg: pdf	string
mime_type	eg: application/pdf	string
version	文件版本号	number
summary	摘要	string
tokens	token预估数量	number
path	编号的层级信息，例如：[1,2,1]	array[number]
element	元素信息	Element
type	以下中的一种["Text","Title","List","Catalog","Table","Figure","Formula","Code","ListItem"]	string
positions	位置信息，可能跨页所以是个数组	array[Position]
bbox	文档中的矩形坐标信息，例如：[90.1,263.8,101.8,274.3]	array[double]
page	页码	integer
name	如果类型是Table、Figure为其名字	string
description	如果类型是Table、Figure为其描述	string
text	文本信息，图片ocr的文字	string
image	图片信息	image
type	可以是 image_url、image_base64、image_file	string
url	链接地址	string
base64	图片base64编码	string
file_id	上传到file-api的文件ID	String
rows	表格才有的属性，表格的行	array[Cell]
cells	单元格属性	Cell
path	单元格在表格中的位置 start row, end row, start column, end column	array[number]
text	文本	string
nodes	单元格式复杂元素时使用，node内的path从头开始编号	array[Node]
children	子节点信息	array[Node]