LlamaIndex

什么是 LlamaIndex？

LlamaIndex 是一个面向开发者的平台，用于构建 AI 驱动的文档处理代理。它将 agentic OCR 和文档自动化与工作流引擎相结合，让您能够解析文档（如 PDF、表格和图片），提取结构化信息，并编排包含代理和检索的多步骤流程。

LlamaIndex 的核心目的是帮助团队从非结构化文档输入转向可靠的生产级文档工作流——使用模块化组件进行解析、基于 schema 的抽取、用于检索（RAG）的索引，以及事件驱动编排。

主要特性

• LlamaParse agentic OCR 和解析：解析 90+ 种非结构化文件类型，包括嵌入式图片、复杂布局、多页表格和手写笔记——支持布局感知的文档理解。
• 带引用和置信度的基于 schema 的抽取：使用抽取代理将非结构化内容转换为基于定义 schema 的结构化输出，并提供页面引用和置信度分数以支持验证。
• 针对检索优化的索引：提供企业级分块和嵌入管道，旨在在 RAG 检索调用中实现精确性和相关性。
• 事件驱动、异步优先的工作流引擎：编排多步骤 AI 流程（代理和文档管道），支持步骤链式连接、循环和平行分支。
• 工作流的有状态启动/暂停/恢复：支持事件驱动执行，可有状态地控制和恢复工作流。
• 开发者优先的代理框架 (LlamaIndex)：提供 Python 和 TypeScript SDK，支持代理、RAG、自定义工作流和集成的低层和高层的抽象，包括内存和人工介入审查等构建块。

如何使用 LlamaIndex

1. 从 LlamaParse 开始，解析源文档（如 PDF 或图片），获取适合下游处理的结构化表示。
2. 定义 schema，指定要抽取的字段，然后运行基于 schema 的抽取，生成带引用和置信度分数的结构化输出。
3. 使用 LlamaIndex 的分块和嵌入管道进行检索索引，支持对文档的 RAG 风格查询。
4. 使用 Workflows 编排端到端流程，将解析、抽取、索引和代理步骤连接成异步优先、事件驱动的工作流，支持启动和恢复。

使用场景

• 自动化发票或文档审核管道：解析文档，将定义字段抽取到 schema 中，并将结果组装到匹配业务逻辑的下游步骤（如验证、路由或后续操作）。
• 金融研究和尽职调查支持：将复杂非结构化材料转换为结构化洞察，并启用对索引内容的检索，用于代理驱动的分析工作流。
• 承保、审计和理赔运营：处理风险和保障文档，从手写笔记或结构化表格等非结构化来源抽取相关信息，支持行政和审核工作流。
• 从技术文档中抽取制造信息：从包含复杂布局和表格的规格说明、手册和检查报告中抽取洞察，支持更快的信息检索。
• 客户支持知识和代理协助：使用索引文档内容和检索，为内部知识库查询提供动力，并为代理提供带引用的抽取答案支持。

常见问题

LlamaIndex 可以处理哪些文档？

LlamaParse 支持解析 90+ 种非结构化文件类型，包括 PDF 和其他非结构化来源，能够处理嵌入图像、复杂布局、多页表格以及手写笔记。

LlamaIndex 如何生成结构化输出？

它使用基于 schema 的 LLM 驱动抽取代理，将非结构化内容转化为结构化洞察。该平台还支持页面引用和置信度分数。

构建文档代理需要 Workflows 吗？

LlamaIndex 提供面向开发者的代理框架（LlamaIndex）和独立的流程引擎（Workflows）。该平台定位为端到端方案，但具体组合取决于您构建的工作流。

Workflows 用于什么？

Workflows 用于编排多步骤 AI 流程——如串联解析、抽取和代理步骤——采用事件驱动、异步优先模型，支持有状态的启动、暂停和恢复。

LlamaIndex 支持 RAG 吗？

支持。该平台包含专为 RAG 式检索调用的索引和检索管道（分块与嵌入），LlamaIndex 框架被描述为针对代理和 RAG 进行了优化。

替代方案

• 通用文档 OCR + 自定义管道：使用 OCR 引擎提取文本，然后自行构建抽取、索引和编排逻辑。这可提供灵活性，但需更多工程工作来处理布局感知解析和多步骤工作流。
• 无文档解析模块的 RAG 框架：选择代理/RAG 框架，并连接外部文档解析/OCR 服务。这将 OCR 布局处理和文档特定抽取的责任转移到核心框架外的组件。
• LLM 应用的流程编排平台：使用工作流/编排工具构建自定义文档处理管道，并集成独立的解析和索引组件。这适合已标准化编排栈的团队，但可能需要更多集成工作来实现端到端文档自动化。