用途:当用户要求解析非结构化文件(如 PDF、PPTX、DOCX、XLSX)时,使用该技能调用 LlamaParse 提取文本、Markdown、图片等内容。
前置条件:环境中需设置 LLAMA_CLOUD_API_KEY 环境变量,并在当前 Node 环境安装 @llamaindex/llama-cloud@latest。未安装时可运行:npm install @llamaindex/llama-cloud@latest
使用方式:技能会先生成 TypeScript 脚本,经用户确认后执行并回报结果。脚本使用顶层 LlamaCloud 客户端,采用先上传再解析的两步模式:先用 client.files.create 上传文件获取 file_id,再用 client.parsing.parse 传入 file_id 解析;不要把原始文件字节直接传给 parse。若已有 file_id 可跳过上传。
tier 选择:fast 适合简单文档且追求速度;cost_effective 适合预算敏感、纯文本提取;agentic 适合复杂排版、表格与混合内容,为默认推荐;agentic_plus 适合高精度高级分析。默认使用 agentic,除非用户另行指定。
expand 参数决定返回内容,必须显式指定。可选值包括 text_full、markdown_full、items、text_content_metadata、markdown_content_metadata、items_content_metadata、images_content_metadata、output_pdf_content_metadata、xlsx_content_metadata。仅当需要预签名 URL 或逐页细节时才请求 *_content_metadata 变体,因其会增大负载。text_full、markdown_full、items 可能为 undefined,需做防御性处理。
高级配置通过 input_options、output_options、processing_options、agentic_options 等嵌套键分组传入。需要引导抽取(翻译、摘要、结构化提取)时使用 agentic_options.custom_prompt。下载图片需借助带 Bearer 认证的预签名 URL。生成的脚本应包含 node shebang,推荐使用 npx tsx script.ts 运行。
限制:依赖有效的 LLAMA_CLOUD_API_KEY 与网络访问;解析结果为分段内容,复杂布局或失败情况下部分字段可能缺失,需容错。资料未提供具体定价、速率限制与支持文件大小等信息。