LlamaParse

使用LlamaParse API将文档（PDF、图片、电子表格、演示文稿等130+格式）解析为适用于LLM的文本、Markdown和结构化数据。

前置条件

• - Python包： llama-cloud>=1.0（pip install llama-cloud）
• API密钥： 设置LLAMACLOUDAPI_KEY环境变量。在 https://cloud.llamaindex.ai 获取密钥

验证配置：

bash
pip install llama-cloud>=1.0
export LLAMACLOUDAPI_KEY=llx-...

快速开始

python
from llama_cloud import AsyncLlamaCloud
import asyncio

async def parsedocument(filepath: str):
client = AsyncLlamaCloud() # 使用LLAMACLOUDAPI_KEY环境变量
file = await client.files.create(file=file_path, purpose=parse)
result = await client.parsing.parse(
file_id=file.id,
tier=agentic,
version=latest,
expand=[markdown, text],
)
return result

result = asyncio.run(parse_document(document.pdf))
print(result.markdown.pages[0].markdown)

核心概念

层级（必选——选择一项）

始终同时指定tier和version。开发环境使用version=latest，生产环境可复现性使用日期字符串如2026-01-08。

输出视图（expand参数）

在expand列表中请求一个或多个：

• - markdown — 包含标题、列表、表格的结构化Markdown。最适合RAG/LLM流水线。
• text — 每页的纯文本。适合搜索/检索。
• items — 页面元素（标题、段落、表格、图形）的结构化树，包含边界框。适用于布局感知处理。
• metadata — 文档元数据。
• imagescontentmetadata — 包含预签名URL的图像/截图元数据。

访问结果：result.markdown.pages[i].markdown、result.text.pages[i].text、result.items.pages[i].items

输出选项

控制Markdown渲染：

python
output_options={
markdown: {
tables: {
outputtablesas_markdown: True, # 或False使用HTML表格
},
},
imagestosave: [screenshot], # 保存页面截图
}

处理选项

python
processing_options={
ignore: {ignorediagonaltext: True},
ocr_parameters: {languages: [en]}, # OCR语言提示
specializedchartparsing: agentic_plus, # 将图表提取为结构化数据
}

自定义提示（代理解析指令）

像指导LLM一样引导解析器——适用于提取特定数据或转换输出：

python
from llamacloud.types.parsingcreate_params import (
ProcessingOptions, ProcessingOptionsAutoModeConfiguration,
ProcessingOptionsAutoModeConfigurationParsingConf
)

result = await client.parsing.parse(
file_id=file.id,
tier=agentic,
version=latest,
expand=[markdown],
processing_options=ProcessingOptions(
automodeconfiguration=[ProcessingOptionsAutoModeConfiguration(
parsing_conf=ProcessingOptionsAutoModeConfigurationParsingConf(
custom_prompt=仅从该收据中提取价格和总额。
)
)]
),
)

常见工作流

解析单个文档

使用scripts/parse_document.py：

bash
python scripts/parse_document.py document.pdf --tier agentic --output markdown,text

批量解析文件夹

使用scripts/batch_parse.py：

bash
python scripts/batch_parse.py ./documents/ --tier agentic --max-concurrent 5

从文档中提取表格

在expand中请求items，然后过滤表格项：

python
for page in result.items.pages:
for item in page.items:
if hasattr(item, rows): # 表格项
print(f第{page.page_number}页的表格：{len(item.rows)}行)
# 可使用item.csv、item.html、item.md

提取图表数据

启用专门的图表解析，然后从图表页面提取表格行：

python
result = await client.parsing.parse(
file_id=file.id,
tier=agentic_plus,
version=latest,
processingoptions={specializedchartparsing: agenticplus},
expand=[items],
)

下载页面截图

python
import httpx, re

result = await client.parsing.parse(
file_id=file.id, tier=agentic, version=latest,
outputoptions={imagesto_save: [screenshot]},
expand=[imagescontentmetadata],
)

for img in result.imagescontentmetadata.images:
if img.presignedurl and re.match(r^page\d+\.jpg$, img.filename):
async with httpx.AsyncClient() as http:
resp = await http.get(img.presigned_url)
with open(img.filename, wb) as f:
f.write(resp.content)

API参考

完整API详情请参阅references/api-reference.md。

外部服务与安全

本技能使用LlamaParse API（https://cloud.llamaindex.ai），这是LlamaIndex提供的云端文档解析服务。

• - 需要API密钥： 您必须设置LLAMACLOUDAPIKEY环境变量。在 https://cloud.llamaindex.ai 获取密钥。
• 外部发送数据： 文档会上传到LlamaParse API进行服务端解析。解析结果返回至您的本地机器。
• 无其他网络调用： 脚本仅与api.cloud.llamaindex.ai通信。截图下载使用同一服务的预签名URL。
• 脚本为参考工具： scripts/parsedocument.py和scripts/batch_parse.py是辅助脚本，供用户手动运行。它们不会由技能自动执行。

提示

• - 仅请求您需要的expand视图——更多视图意味着更大的响应和更高的延迟。
• 对于包含图表/图形的文档，使用agenticplus层级配合specializedchartparsing。
• 生产环境请固定特定version日期，而非使用latest。
• 批量解析时使用基于信号量的并发控制以遵守速率限制。
• items视图为每个元素提供边界框（bbox）——适用于空间分析。