用途：调用 LandingAI 的 Agentic Document Extraction（ADE）对文档进行解析、结构化提取与分类拆分，无需模板或机器学习训练，适合票据、合同、报表等自动化处理。
主要能力：Parse 将文档转为带层级 JSON 的 Markdown；Extract 通过 JSON Schema 或 Pydantic 模型抽取指定字段；Split 按类型分类并拆分多文档批次。解析与版面无关，支持 20 多种文件格式（PDF、图片、电子表格、演示文稿），提供边界框、页码等可视化定位，并有面向不同文档类型的多个模型。
使用方式：先准备本地 Python 环境，安装 landingai-ade 与 python-dotenv。将 .env-sample 复制为 .env，设置 VISION_AGENT_API_KEY；密钥可从 https://va.landing.ai/settings/api-key 获取。随后在代码中调用 client.parse 解析，client.extract 结合 schema 提取，client.split 进行分类。大文件可用 parse_jobs 异步任务轮询，结果较大时通过 output_url 获取。EU 端点需在初始化客户端时设置 environment="eu"。
适用场景：发票、银行对账单、身份证件、表格类文档的结构化数据抽取，以及多文档批次分类归档。
限制：需要有效 API 密钥；密码保护文件解析仅限启用零数据保留（ZDR）的组织；ZDR 下须提供 output_save_url。dpt-1 模型计划于 2026 年 3 月 31 日弃用，建议迁移至 dpt-2。具体价格、配额与性能数据暂未提供。