LlamaIndex 发布 LlamaSheets Beta，将杂乱电子表格转为 AI 可用数据

今天，我们宣布推出首个专用于处理电子表格的 API，现已免费提供 Beta 版！

立即探索我们的免费和付费方案。

隆重推出 LlamaSheets

电子表格无处不在。从财务模型、产品目录到运营报告，电子表格以各种格式和不同组织程度存在。

与典型的非结构化文档不同，电子表格包含高度结构化的数值数据、复杂的格式以及传统文本解析无法捕捉的视觉层级。LLM 和智能体不仅需要理解原始单元格值，还需要理解这些文档中编码的语义关系、格式模式和层级结构。

挑战在于，“杂乱”的电子表格通常使用视觉格式（粗体标题、彩色单元格、合并区域）来传达含义，而非显式的数据结构。在任何 AI 自动化能够进行之前，这一规范化步骤——提取结构化数据同时保留语义上下文——至关重要。这就是为什么我们今天如此兴奋地宣布 LlamaParse 的最新产品：LlamaSheets！

LlamaSheets 是一个新的 LlamaParse API，它利用语义理解自动将复杂的电子表格结构化为 AI 就绪的数据。输入是任意 .xlsx 文件，输出是可在任何智能体或下游应用中使用的 parquet 文件。

技术方法

我们的处理算法实现了复杂的多阶段流水线：

特征提取与聚类 - 每个单元格提取 40 多个特征（位置、格式等），然后进行特征化以用于聚类
智能区域分类 - 然后使用传统机器学习技术和基于智能体的处理相结合的方式，将聚类分类为特定类型的区域
自适应表格分割 - 评分系统评估区域之间的边界质量，并迭代优化边界
层级结构保留 - ****在每个表格内应用智能提取，保留多级表头和复杂表格结构，并尽可能保留类型（日期、数字、布尔值、文本）

输出内容与格式

LlamaSheets 生成多种类型的输出，主要以 parquet 文件形式：

表格数据：干净、带类型的数据框，保留数据类型（日期、数字、字符串、布尔值）。列名从表头行智能提取。
额外数据：电子表格中不明确属于结构化数据表的数据（注释、标题等）
单元格元数据：每个单元格 40 多个特征，包括格式（font_bold、background_color_rgb）、位置（row_number、coordinate）、数据类型（is_date_like、is_percentage）和布局（is_merged_cell、horizontal_alignment）
工作表上下文：可选的 LLM 生成的工作表标题和描述，以及提取的表格区域

使用场景

LlamaSheets 可在各种电子表格工作流程中实现 AI 自动化。以下仅举几例：

财务分析：从具有合并表头的复杂财务报告中提取季度收入表，并自动计算 KPI
多区域数据整合：解析并合并来自数十个格式不一致的区域电子表格的销售数据
带元数据的预算解析：利用背景颜色和粗体格式识别预算文件中的部门分组和类别层级
自动化周报：构建端到端流水线，从定期上传的电子表格中提取、验证、分析并生成报告
自定义 Agent 集成：将提取的 Parquet 文件加载到 AI Agent 框架（如 LlamaIndex）中，用于交互式数据探索、脚本生成等

示例：5 行代码完成提取与分析

from llama_cloud_services.beta.sheets import LlamaSheets

client = LlamaSheets(api_key="llx-...")
results = await client.aextract_regions("budget.xlsx")

# Download as pandas DataFrame
df = await client.adownload_region_as_dataframe(
  results.job_id,
  results.regions[0].region_id,
  result_type=regions[0].region_type
)

# Access rich cell metadata
metadata = await client.adownload_region_as_dataframe(
  results.job_id,
  results.regions[0].region_id,
  result_type="cell_metadata"
)

现已推出测试版

LlamaSheets 今日起以测试版形式 通过多种接口提供：

🧩 Playground UI： 直接在浏览器中访问 cloud.llamaindex.ai 试用示例电子表格
💻 Python SDK： llama-cloud-services 包提供异步/同步方法，用于上传文件、创建提取任务、轮询完成状态，以及将 Parquet 结果下载为 pandas DataFrame 或原始字节
🌐 REST API： 通过 /api/v1/beta/sheets/ 端点实现四步工作流：(1) 上传文件 → (2) 使用解析配置创建任务 → (3) 轮询完成状态 → (4) 通过预签名 URL 下载 Parquet 文件
📘 构建 Agent 通过将提取的 Parquet 文件和单元格元数据加载到 Agent 的上下文中，与任何 Agent 框架（LlamaIndex、Claude Code、Cursor 等）集成

下一步计划

在测试期间，我们将专注于性能优化、提升准确性、增加输出格式，以及未来基于区域和表格提取的 API，以提供更端到端的体验。

我们鼓励用户试用 API，就提取质量提供反馈，并帮助我们确定正式发布时的功能优先级！

告诉我们你的想法：