> ## Documentation Index
> Fetch the complete documentation index at: https://docs.somark.ai/llms.txt
> Use this file to discover all available pages before exploring further.

# Docision

> 用 Docision 对同一张文档图片提出多个问题，并从你定义的候选答案中做出判断。

**Docision** 是一个开源的多模态文档决策工具。它根据页面上的文字、表格、版式和图像信息，从你提供的候选答案中做出选择。你可以用它做文档分类、信息核对和业务分流。

以发票审核为例，你可以在同一次请求里判断票据类型、检查盖章情况，并根据业务规则选择归档、补齐材料或人工复核。

> [card] [GitHub 仓库](https://github.com/SoMarkAI/docision/blob/main/README.zh-CN.md)
>
> 查看中文 README、源代码和示例。

> [card] [Docision-1.0 模型](https://huggingface.co/SoMarkAI/Docision-1.0)
>
> 在 Hugging Face 查看并下载模型权重。

## 快速开始

以下示例需要 Python 3.10 或更高版本，并使用编号为 `0` 的 CUDA GPU。下载模型后，使用仓库自带的示例输入运行推理：

```bash theme={null}
git clone https://github.com/SoMarkAI/docision.git
cd docision
python3 -m venv .venv
source .venv/bin/activate
python -m pip install -e '.' huggingface_hub
hf download SoMarkAI/Docision-1.0 --local-dir models/Docision-1.0

CUDA_VISIBLE_DEVICES=0 python demo_docision.py \
  --model models/Docision-1.0 \
  --input examples/multiple.json \
  --output outputs/document-decisions.json
```

## 读取结果

`examples/multiple.json` 对同一张表格图片提出多道中英文问题。其中一道题问「表中重度营养不良（Severely malnourished）的 RR 是多少？」运行后，在 `outputs/document-decisions.json` 中用 `id` 找到这道题。下面是项目记录中的字段节选，分数保留八位小数。[示例原图](https://github.com/SoMarkAI/docision/blob/main/examples/validation-table.jpg) · [输入 JSON](https://github.com/SoMarkAI/docision/blob/main/examples/multiple.json) · [完整运行记录](https://github.com/SoMarkAI/docision/blob/main/examples/recorded-output.json)

```json theme={null}
{
  "id": "Docision:c5bc6f4e69f7b8bf_r0q00:zh",
  "candidates": [
    { "label": "A", "text": "3.4", "probability": 0.89316618 },
    { "label": "B", "text": "4.8", "probability": 0.00016038 },
    { "label": "C", "text": "2.1", "probability": 0.10667349 }
  ],
  "decision": { "label": "A", "text": "3.4" }
}
```

`decision` 显示模型选择了 A（3.4）。`probability` 用来比较同一道题的候选项得分。得分接近时，可以安排人工复核。

## 使用自己的文档图片

将下面的 JSON 保存为输入文件，再将 `--input` 指向该文件。`image` 是相对于输入文件所在目录的图片路径，`questions` 列出要判断的问题和各自的候选答案。

```json theme={null}
{
  "image": "page.png",
  "questions": [
    {
      "id": "category",
      "question": "这是什么类型的文档？",
      "candidates": { "A": "发票", "B": "收据", "C": "合同" }
    },
    {
      "id": "stamp",
      "question": "页面上是否有印章？",
      "candidates": { "A": "有", "B": "没有" }
    }
  ]
}
```

同一页有多道题时，可以启用 `stable` 推理模式和前缀缓存来复用页面上下文。[软件包配置说明](https://github.com/SoMarkAI/docision/blob/main/docs/python-package.zh-CN.md)

## 适用场景

| 场景 | 问题示例 | 候选答案示例 |
| - | - | - |
| 文档分类 | 这是什么类型的文档？ | 发票、收据、送货单、其他 |
| 版式和视觉检查 | 签署区域是否能看见印章？ | 可见、不可见、无法判断 |
| 字段关系核对 | 页眉的订单号与明细区的订单号是否一致？ | 一致、不一致、无法判断 |
| 按规则分流 | 按归档规则，有签名且日期齐全的记录可进入归档。这个页面应如何处理？ | 进入归档、补齐材料、人工复核 |

你也可以用相同方式为工程图纸或科研图表提出有明确选项的问题，例如判断图例中的两条曲线分别代表哪个实验组。

## 接入方式

* **本地 Playground**。在浏览器上传文档、填写问题和选项，直接查看判断结果。
* **Python 或 HTTP API**。把页面检查接入应用。提交 PDF 时，Docision 按页返回结果。[软件包文档](https://github.com/SoMarkAI/docision/blob/main/docs/python-package.zh-CN.md)
* **MCP**。连接正在运行的 Docision 服务，在 Codex 或 Claude Code 中检查本地文档，并将结果导出为 JSON 或 CSV。[MCP 接入说明](https://github.com/SoMarkAI/docision/blob/main/docs/python-package.zh-CN.md#mcp)

## 模型和公开评测

Docision-1.0 基于 Qwen3-VL-4B-Instruct。公开评测集 `doc-decision-bench` 包含 608 张文档图片、2,617 对中英文问题，共 5,234 条语言记录，覆盖文档理解与决策、跨行业分类两类任务。[评测集说明](https://huggingface.co/datasets/SoMarkAI/doc-decision-bench)

项目在该评测集上公布的准确率为 Docision **96.18%**、原始 Qwen3-VL-4B **86.78%**、JEV-27B-VL **95.72%**。[官方评测结果](https://github.com/SoMarkAI/docision/blob/main/README.zh-CN.md#benchmark)

项目采用 [Apache License 2.0](https://github.com/SoMarkAI/docision/blob/main/LICENSE)。


This documentation is built and hosted on [Mintlify](https://mintlify.com), a developer documentation platform.