llama_index发布双阶段文档处理工具套件(50+)

当前 agent 框架（Codex、Cowork）最新的 RAG 趋势是，针对文档数据室中的知识工作任务，采用两阶段文档处理：

1️⃣ 快速轻量阶段，通常使用免费/开源文档解析工具。这种方式可以低成本处理10到数万份文件，让 agent 能够执行检索（例如 grep、语义检索）找到相关上下文子集。

2️⃣「即时」基于VLM的处理阶段。一旦 agent 找到相关上下文页面，就会对文档截图，调用自身VLM（或编写代码）拆解页面。

如果只在海量的客户临时文件转储上使用基于VLM的OCR工具，问题在于速度慢、成本高。使用即时VLM OCR能让 agent 廉价过滤数据，同时仍能保留任务所需上下文的准确性。

这些 agent 框架默认使用现成工具做两阶段文档处理：第一阶段用 pdf2text，第二阶段用自身（Opus 5）。

你可以观看下方视频，观看 Cowork 处理一堆PDF，回答 Kimi k3 论文中一张基准测试图相关问题的过程。

这些 agent 提供的「开箱即用」文档处理主要存在以下问题：
* Opus 5 并不是最适合OCR的VLM。大规模使用成本过高，且缺乏 grounding 能力
* pypdf、pdf2text这类开源工具，作为第一阶段处理通用性可能不足
* agent 会编写大量一次性代码，重写OCR工具本就开箱提供的功能，例如图表处理、 bounding box、置信度评分，这会增加成本、拖慢速度

我们在@llama_index 中已经准备好了所有工具，能帮助任何agent实现两阶段文档处理，精度更高、成本更低。

1️⃣ 我们的第一阶段处理有 liteparse——一款用Rust编写的免费开源解析器，比其他开源解析器更快、更准确，支持50+种文档类型
2️⃣ 我们的第二阶段处理有 LlamaParse——一款智能文档引擎，结合VLM+框架在各类文档解析和提取任务上实现了精度和成本的SOTA。它可以作为MCP或技能从任何agent框架调用。

它以页码作为输入，因此agent可以选择只对文档子集运行LlamaParse，作为「放大查看」阶段，无需处理完整文档。

快来体验吧！
LiteParse:
LlamaParse:
所有相关文档，包括MCP，都在这里：