用途：在实现文档结构化数据抽取之前，学习并采用正确的 llama_cloud_services API 用法，从 PDF、PPTX、DOCX 等非结构化文件中按模式提取字段。
主要能力：用 Pydantic BaseModel 定义目标结构（如姓名、邮箱、技能列表），字段可用 Field 添加描述；建议使用基本类型，避免嵌套字典，列表可用。通过 LlamaExtract 类执行抽取，支持进度展示与轮询间隔设置。抽取配置 ExtractConfig 提供抽取模式（FAST、BALANCED、MULTIMODAL、PREMIUM）、抽取目标（PER_DOC、PER_PAGE）、系统提示词、高分辨率模式、缓存控制、引用来源、推理、置信度分数等选项；其中 use_reasoning 在 FAST 模式不可用，confidence_scores 仅在 MULTIMODAL/PREMIUM 可用。
使用方式：先安装依赖 pip install llama_cloud_services，并设置环境变量 LLAMA_CLOUD_API_KEY。然后定义模型、创建 LlamaExtract 实例、配置 ExtractConfig，最后调用 extractor.extract(模型, 配置, "文件路径")，从 result.data 取得字典并可用模型校验。
适用场景：需要从简历、报告等文档批量提取固定字段时。
限制：需有效的 Llama Cloud API 密钥；具体模式选择、缓存与推理等高级行为依赖服务端实现，资料未提供定价、准确率或平台细节。