LlamaIndex 推出 LlamaExtract 公测：几步即可从非结构化文档提取结构化数据

从非结构化文档中提取结构化数据是各行业面临的核心挑战——从金融、医疗到保险和人力资源。无论是从 SEC 文件中提取财务指标、为费用管理提取发票明细，还是为招聘整理候选人简历，企业都要花费无数时间手动处理文档。

我们很高兴推出 LlamaExtract——一款强大且易于使用的工具，让用户能够以极少的精力从非结构化文档中提取结构化数据。LlamaExtract 现已进入公开测试版，可通过 LlamaParse 的 Web UI 和 Python SDK 使用。

立即探索我们的免费和付费方案。

非结构化数据无处不在：扫描的 PDF、合同、发票、简历等等。从这些文档中提取有价值的洞察通常需要繁琐的手动工作、基于规则的系统或复杂的机器学习流水线。然而，这些方法在处理以下情况时往往力不从心：

• 多样的文档格式——PDF、文本文件、扫描图像，以及非常长（100 页以上）的文档。
• 复杂的结构——表格、多栏布局和嵌套章节。
• 数据的多变性——发票、简历和财务报告格式各异。
• 可扩展性挑战——高效处理数百或数千份文档。

LlamaExtract 通过提供基于 schema、由 AI 驱动的方法消除了这些痛点，在简化提取的同时确保高准确度。

LlamaExtract 通过三个简单步骤实现结构化数据提取：

1. Schema 定义与自定义

• LlamaExtract 允许用户定义 schema（可通过 JSON 或点击式 UI）。
• 用户可以根据需要修改和完善 schema。

2. 自动化数据提取

• 给定 schema 后，LlamaExtract 从文档中提取结构化数据并以 JSON 格式输出。
• 支持类型良好的数据，确保准确性并符合所定义的 schema。

3. 集成与工作流自动化

• 与 Python SDK 集成，实现可扩展的批处理。

LlamaExtract 专为需要从非结构化来源进行可靠、结构化数据提取的开发者和分析师而设计。一些关键用例包括：

• 金融与投资团队——从 SEC 文件、投资报告和收益报表中提取财务数据。
• 应付账款与费用管理——将发票数字化，并提取发票编号、供应商名称和金额等结构化明细。
• 人力资源与招聘——解析简历，为 ATS（申请人跟踪系统）提取关键候选人信息。
• 医疗与保险——高效处理理赔、服务商注册文档和医疗记录。

为什么 LlamaExtract 与众不同

LlamaExtract 构建于LlamaParse——我们行业领先的文档解析器之上，确保一流的数据提取能力。以下是它的独特之处：

• 集成解析——无需手动处理 OCR、扫描文档或表格解析。
• Schema 灵活性——定义 schema 并按需完善。
• 可扩展性——轻松从大型文档（例如 10K 文件）中提取数据。
• 为下游任务提供类型良好的数据：LlamaExtract 保证你的数据符合所提供的 schema，若不符合则会提供有用的错误信息。

LlamaExtract 现已面向所有 LlamaParse 用户开放 公开测试版！只需在 cloud.llamaindex.ai 注册，即可在几次点击内开始提取结构化数据。你可以 申请访问权限。

对于开发者，请查看我们的 Python SDK 和示例 notebook，将 LlamaExtract 集成到你的工作流中：

1. 文档
2. Python SDK，包括 README
3. 入门 Notebook

有反馈？欢迎在我们的 GitHub 仓库 上分享你的想法，帮助我们改进。

这仅仅是开始

LlamaExtract 正在积极开发中。 敬请期待引用、验证和 schema 版本管理等功能。我们迫不及待想看到你用它构建出什么！