跳到正文
北京时间
原文
LlamaIndex:产品、工程与评测·· 2026-01-28精选AI 评分61

LlamaIndex 推出 LlamaAgents Builder 测试版,用自然语言快速构建文档处理智能体

LlamaAgents Builder: Idea To Deployed Agent in Minutes

AI 导读

LlamaIndex 发布 LlamaAgents Builder 测试版,用户用自然语言描述需求即可生成基于开源 Workflows 框架的文档处理智能体。该工具会提出澄清问题、创建 LlamaExtract 智能体并生成完整 Workflow,代码可推送到 GitHub 或部署在自有基础设施;目前免费面向所有 LlamaParse 用户,beta 阶段主要支持抽取类文档处理流程。

推荐理由

原文交代了自然语言生成可导出 Workflow 代码的机制和部署路径,读者可以据此评估它与低代码工具的差异。

正文 · AI 翻译

大量重复性的知识工作都围绕文档展开;无论是分析财务报表、处理入职表单,还是针对发票的下游任务与自动化等等。现有的文档自动化工具不够准确、难以配置,且只能处理相对简单的任务。传统方案迫使你在(a)不灵活的低代码构建器和(b)耗时费力的定制开发之间二选一。

我们全新的 LlamaAgents Builder 比这两种替代方案都更易用、更可定制。它提供了一条中间路径:用自然语言描述你的需求,让我们借助编码智能体生成合适的智能体工作流。

需要分类财务报表并提取关键指标?想按章节拆分简历并提取结构化数据?要构建多文档摘要流水线?只需说明你的工作流,我们的智能体构建器就会处理其余的一切——提出澄清性问题、构建合适的智能体 Workflow ,并将每一步连接到正确的 LlamaParse 文档处理工具。

我们今天发布的是测试版,对所有 LlamaParse 用户免费开放。你今天就可以开始用 vibe-coding 方式构建你的文档智能体了!试用之后我们很期待听到你的反馈。在界面中给我们留言,告诉我们你的想法,以及你希望看到哪些新功能。

由此生成的文档智能体天生就能处理任意复杂程度的文档(例如布局各异、包含图表和图像的 PDF 等),并且会使用我们的文档处理工具,如 LlamaParse、LlamaExtract、LlamaSplit 等来帮助完成任务。

让我们来看看这个新工具提供了哪些功能。

为什么要用自然语言来构建工作流?

传统的低代码工具会把你塞进预设的框框里。你被困在他们的 schema 模板、他们的工作流模式、他们的提取逻辑之中。一旦你的用例出现偏差(而它总是会),你要么得拼凑各种变通方案,要么就得用代码从头再来。而且你还会被锁定在他们的部署环境中,你的无代码/低代码方案托管在哪里,你就只能得到什么。

另一方面,全部用代码来写虽然给了你灵活性,但也是有代价的。你还没验证自己的思路是否可行,就得先构建编排逻辑、处理文档路由、管理工具集成,还要调试复杂的工作流。到了部署环节,你也只能靠自己。

LlamaAgents Builder 通过改变你定义问题空间的方式,直击这些问题。描述“把这份文档分类为发票、收据或对账单,然后从发票中提取行项目、从收据中提取总额、从对账单中提取汇总指标”,从根本上比以下两种方式都更简单:

  • 在 UI 向导中点击操作,试图配置三套独立的提取 schema 和条件路由逻辑
  • 从头编写一个带有文档分类逻辑、基于类的路由和工具编排的 Workflow 类

LlamaAgents Builder 会生成一个真正的 Workflow:这是我们用于构建特定用例智能体的开源编排框架。你可以拿走它构建出的成果,检查代码,并进一步自定义。你既能获得低代码的速度,又能拥有完整编程的灵活性。与传统的无代码工具不同,Builder 会使用我们的开源 Workflows 框架,将你的自然语言描述编译成真正的 Python 代码。你无需学习预构建节点即可定义自定义逻辑,并可通过代码按需扩展工作流。相比现有方案,它既更容易上手,也更易于扩展。

当 Builder 生成你的工作流时,你会看到完整智能体编排的可视化表示。它清晰展示了文档如何流经分类、路由和提取步骤,让你在部署前就能清楚了解其逻辑。

Builder 会以代码形式提供生成的智能体工作流,你可以将其推送到你的 GitHub。随后,该应用可以部署并托管在 LlamaParse 上,或者你也可以将其拿走,在你自己的基础设施中提供服务。

LlamaAgents Builder 目前专注于基于提取的文档处理工作流:

  • 其目标是从各种文档格式中创建结构化数据提取
  • 它会就你的提取任务提出澄清性问题
  • 它会在你的 LlamaParse 账户中创建相关的 LlamaExtract 智能体
  • 最后,它会创建带有相关步骤和事件的适当 Workflow。

这些用例目前是 Builder 根据你的具体需求进行定制的基础。该智能体可以调整工作流,以适应你的特定文档类型、字段结构和提取需求。在今天的发布之后,我们将扩展 LlamaAgents Builder 所处理的用例。

目前,在此测试版中,与提取模式差异较大的工作流可能效果不佳。如果你正在处理不同的文档工作流类型,我们希望听到你的声音——你的反馈会直接影响我们下一步构建的内容。

用于快速验证的简洁 UI

我们有意让测试版 UI 保持极简,专注于直观的提取和审核界面。这让你无需不必要的复杂性,就能快速验证智能体的行为。重点是以尽可能快的速度从想法走向可用的智能体。

部署详情

LlamaAgents Builder 最强大的方面之一,就是你能从对话直接得到已部署、可投入生产的智能体。

当你点击 Deploy 时,Builder 会:

  • 将你生成的工作流代码推送到 GitHub 仓库
  • 将其部署到 LlamaParse 的托管基础设施
  • 为你的工作流配置 API 端点
  • 包含一个用于上传文档和审核结果的 Web UI

部署后的代码归你所有,由你掌控。生成的工作流是使用我们的开源 Workflows 框架编写的真实 Python 代码。你可以克隆该仓库并检查每一行。你可以在聊天界面提供的能力之外自定义逻辑,推送更改并重新部署。你也可以拿走代码,部署在你自己的基础设施上,以满足你组织的数据和隐私要求。

这就是与无代码工具的关键区别:你不会被锁定。Builder 为你提供了一个快速起点,但代码归你所有,你可以把它带到任何地方。

LlamaAgents Builder 今天面向所有 LlamaParse 用户开放 beta 版。快来试用,并通过 UI 给我们反馈。我们尤其想了解:

  • 除提取模式之外,你希望构建的文档工作流
  • 当前模板不太适用的用例
  • 能让 Builder 对你的工作更有用的功能

你的意见将决定我们接下来添加什么。注册 LlamaParse 即可开始使用。

来源:LlamaIndex:产品、工程与评测 · llamaindex.ai