FDE Times 数据在招 FDE 职位 873▼9 近 7 天在招职位数的变化(同口径比较):不计入本周新开始追踪的公司的职位近 7 天新增 55在招公司 181支持远程 25%美国薪资中位数 $200k招聘最多 Databricks 98
ENVI

前线部署工程师(FDE)的专业媒体

工具

PDF 解析档位差价 25 倍,什么时候值得多花钱?

LlamaParse 的 Fast 档处理纯文本就够了,含合并单元格的表格得用更高档位。

分享微博

要点速览

  • Parse 有 Fast、Cost-effective、Agentic 和 Agentic Plus 四个档位,每页分别收 1、3、10 和 25 个 credit。
  • Fast 不调用任何 AI 模型,因此不支持自定义提示词,也读不了表单和图表。文档称 Agentic 适合作为大多数工作负载的默认选择。
  • 管道表格无法表示合并单元格。密集的财务报告应使用 Agentic Plus,并把表格输出为 HTML。
横向条形图,比较 LlamaParse 各解析档位的每页 credit:Fast 1,Cost-effective 3,Agentic 10,Agentic Plus 25,其中 Agentic Plus 的条形以橙色突出显示。开启版式提取后,每个档位每页都再加 3 个 credit。
最便宜和最贵的档位每页成本相差 25 倍,整个文档库只用一个档位,就等于每一页都按最难页面的价格付费。来源:LlamaParse 官方定价。

设想客户交给你一份财务报告,其中营收表的“Q3”表头是一个横跨三列的合并单元格。如果解析器把这张表压平成管道表格,合并单元格就会消失。之后,你的 RAG 聊天机器人回答得很流畅,却把数字对到了错误的列上。

这个例子说明,错误答案可能在第一步就埋下了:模型和向量库还没介入,问题已经出在 PDF 转文本这一环。

LlamaParse 是专门为这一步打造的工具之一。对前线部署工程师(FDE)来说,真正该问的不是用不用它,而是哪类文档用哪个档位。

LlamaParse 到底是什么?

LlamaParse 是 LlamaIndex 团队运营的托管文档平台,是 LlamaCloud 的新名字,但 llama-cloud 包、客户端和环境变量仍沿用旧名。细节虽小,可一旦文档写的是一个名字、代码导入的是另一个,很容易白白耗掉半个上午。

在这个平台上,Parse 是面向 LLM 数据管道的文档解析产品。它接收 PDF、扫描件、表格和图表,返回 markdown、文本或 JSON。

文档称 Parse 支持 130 多种文件类型,包括 Office、HTML、图片和 EPUB。LlamaIndex 于 2024 年 3 月 13 日发布 LlamaParse,并将 JSON 模式定位为自建 RAG 策略的输入。

该公司的营销页面称 LlamaParse 能处理手写、复选框、图表和复杂版式。这是厂商自己的说法,在向任何人承诺之前,先用客户的真实文档验证。

四个档位,价差 25 倍

Parse 有四个档位。Fast 最便宜也最快,面向大批量的纯文本文档。Fast 不调用任何 AI 模型,因此自定义提示词、表单和图表提取都不适用。文档称 Agentic 适合作为大多数工作负载的默认选择,Agentic Plus 则用于最难的文档。

根据官方价目表,每页在 Fast 上收 1 个 credit,Cost-effective 收 3 个,Agentic 收 10 个,Agentic Plus 收 25 个。开启版式提取后,无论哪个档位,每页都要再加 3 个 credit。

按量付费方案每 1,000 个 credit 收费 1.50 美元,免费方案每月提供 10,000 个 credit。Pro 方案每月 500 美元,含 400,000 个 credit,超出部分按每 1,000 个 credit 1.25 美元计费。

举个例子:客户有 20,000 页合同和报告。全部用 Fast,消耗 20,000 个 credit,按量付费约 30 美元;全部用 Agentic,消耗 200,000 个 credit,约 300 美元;Agentic Plus 消耗 500,000 个 credit,约 750 美元。

到了 500,000 个 credit,Pro 方案更便宜:前 400,000 个 credit 500 美元,剩下 100,000 个 125 美元,合计约 625 美元。简单算一下就知道,如果客户的用量每月都有、且超过约 333,000 个 credit,Pro 就比按量付费便宜,所以报价里要把两种方案都列出来。

真正要记住的是数字之间的差距。整个语料库只用一个档位,就意味着连最简单的页面也要按最难页面的价格付费。

先测难页,再定档位

文档建议按表格难度选档位:简单表格用 cost_effective,密集的财务报告和复杂表格用 agentic_plus。在客户现场,一个实用的做法是把文档语料分组,比如邮件和纯文本、多页合同、财务附录。第一组用 Fast,最后一组用 Agentic Plus。

分组要有依据,就得抽样。挑出大约 20 页最难的页面,分别用 Fast、Agentic 和 Agentic Plus 跑一遍,再和原件对照。这次测试消耗 20 × (1 + 10 + 25) = 720 个 credit,不到免费方案每月 10,000 个 credit 的十分之一,客户签约前就能做完。

对照时直接看表格。Parse 会保留单元格结构,并可以把表格输出为 HTML,因为按文档的说法,管道表格虽然更简单,却无法表示合并单元格。如果客户的表格里有合并单元格,就要求输出 HTML,并专门针对这些单元格重新检查 RAG 的回答。

哪些错误最容易毁掉报价?

最常见的错误是按 Fast 报价,却承诺能读图表。Fast 不调用任何 AI 模型,图表、表单和自定义提示词都超出它的能力;如果需要这些功能,报价一开始就要按更高档位来算。

第二个错误藏在表格里:忘了版式提取每页加收的 3 个 credit。在 Fast 上,这笔附加费让每页成本从 1 个 credit 变成 4 个,是报价数字的四倍。

第三个错误是把营销说法当成已验证的规格。读取手写或复选框的能力是厂商自述,只有在客户真实文档上测过之后,才能写进方案。

还有一个问题与技术无关。这是托管平台,所以必须问客户的安全团队:文档到底能不能发往外部服务。这个问题应该在第一次需求调研时就提出,而不是拖到第三周。

应该先学什么?

先学会评估解析输出,再学 API。准备一小组问题,每个问题的答案都只取决于表格中的某一个单元格,就能判断解析器是否保住了数据。这项技能适用于所有工具,不只是 LlamaParse。

看 FDE 招聘启事时,“document ingestion”或“unstructured data”这类字眼说明这个岗位恰好要处理这个问题。写简历时,别只写“搭建了 RAG”,要写清楚你按难度给文档语料分组,为每组选定解析档位,并在选择前后测量了表格准确率。

客户很少记得你用了哪个解析器,他们记得的是答案里的数字有没有落在正确的列上。

这篇文章对你有帮助吗?

7 个信源
路线图上的下一篇 · 阶段 3: AI 应用客户不看 notebook,就给他一个 Gradio 演示几行 Python 就能让客户用自己的数据试模型,但分享链接一周后过期,模型还跑在你的电脑上。