LlamaParse - RAG用ドキュメント 解析 チートシート

LlamaParse - RAG用ドキュメント 解析 チートシート

LlamaParseはドキュメント 解析サービス LlamaIndexチームから、具体的にLLMおよびRAGパイプライン向けに構築。フォーカスは困難なケース：複雑な表、マルチ列レイアウト、数字、埋め込みチャート持つPDF。汎用テキスト エクストラクター 平坦化の使用不可能なテキスト。クリーンマークダウン出力構造を保持し、顕著な機能は自然言語 解析指示—レイアウト および何をするか記述し、抽出ルール設定ではなく。

LlamaParse はホスト型サービス フリー ティア付き（APIキー 必須）。完全ローカル 解析用DoclingまたはMarkerを参照。

インストール

Method	Command
pip	pip install llama-parse
With LlamaIndex	pip install llama-index llama-parse
API key	export LLAMA_CLOUD_API_KEY="llx-..."
Verify	python -c "from llama_parse import LlamaParse; print('ok')"

基本的な解析

from llama_parse import LlamaParse

parser = LlamaParse(result_type="markdown")
documents = parser.load_data("./report.pdf")
print(documents[0].text)

Parameter	Purpose
result_type	"markdown"（構造保持）または"text"
num_workers	平行ページ 処理
verbose	進歩 出力
language	ドキュメント言語 ヒント
parsing_instruction	自然言語 ガイダンス（以下）

解析指示（差別化因子）

parser = LlamaParse(
    result_type="markdown",
    parsing_instruction="""
    これはファイナンシャル レポートです。すべてのテーブルをマークダウン テーブルとして保持します。
    各グラフ場合、傾向を説明する1段落を記述します。
    ページ ヘッダーおよびフッターを無視します。
    """,
)

プレーン言語データ および目的のハンドリングで説明してコード記述抽出ではなく—ドメイン固有レイアウト用有用（請求書、科学論文、法律契約）汎用パーサー 悪い場所。

非同期 & バッチ

import asyncio

async def parse_many(paths):
    parser = LlamaParse(result_type="markdown", num_workers=8)
    return await parser.aload_data(paths)

docs = asyncio.run(parse_many(["a.pdf", "b.pdf", "c.pdf"]))

Method	Use
load_data(path)	単一 ファイル、同期
aload_data([paths])	非同期、複数ファイル
get_json_result(path)	ページ メタデータ持つ構造化JSON
get_images(...)	埋め込み画像抽出

サポートされた入力

Format	Note
PDF	プライマリー ターゲット、スキャン（OCR）含む
DOCX / PPTX / XLSX	Office形式
HTML	Web ドキュメント
Images	PNG/JPEGビアOCR

RAGパイプラインにワイアリング

from llama_parse import LlamaParse
from llama_index.core import VectorStoreIndex
from llama_index.core.node_parser import MarkdownElementNodeParser

docs = LlamaParse(result_type="markdown").load_data("./manual.pdf")

# マークダウン対応チャンキング テーブルおよびセクション かじります
node_parser = MarkdownElementNodeParser()
nodes = node_parser.get_nodes_from_documents(docs)

index = VectorStoreIndex(nodes)

マークダウン出力とマークダウン対応ノード パーサーをペアリング 点：テーブルは解析およびチャンキング生き残る、これはほとんどのRAGパイプライン 表形式の事実が失われるところ。

テーブル処理

Technique	Why
result_type="markdown"	テーブル マークダウン グリッド
Parsing instruction for tables	強制一貫 テーブル ハンドリング
MarkdownElementNodeParser	テーブル 1つのチャンク保つ
Row-per-sentence serialization	個々 ラインが検索可能

コスト & 実際的なメモ

Consideration	Detail
Hosted service	ドキュメント LlamaCloud に送信
Free tier	制限 ページ毎日
Caching	同じファイル再解析 結果を再利用できます
Privacy	機密ドキュメント ローカル パーサー 好む

LlamaParse対ローカルパーサー

Aspect	LlamaParse	Docling	Marker
Hosting	Cloud service	Local	Local
Complex tables	非常に強い	強い	良い
Custom instructions	自然言語	設定	設定
Privacy	データはマシン 離れる	完全ローカル	完全ローカル
Best for	困難 レイアウト、高速結果	Self-ホスト RAG 摂取	GPU バルク 変換

プライバシー敏感コーパス用Doclingを使用；バルク ローカル 変換Markerを使用。

リソース

• Official Documentation
• GitHub Repository
• LlamaIndex