LlamaIndex

一句話結論

LlamaIndex 已經從「RAG 開源框架」轉型成以文件解析為核心的平台，主力產品 LlamaParse 處理表格、圖表、手寫字這類難搞的文件很有一套；如果你的 AI 專案卡在「PDF 讀不準」，它是第一批該試的工具。

它到底做什麼

LlamaIndex 有兩層。開源那一層是 MIT 授權的 Python 框架，GitHub 約 5.2 萬顆星，有超過 300 個整合套件，串接各家模型、Embedding 與向量資料庫；官網寫開源套件每月下載超過 2,500 萬次。不過 README 現在直接寫，團隊目前的重心是打造最好的 AI 文件解析與擷取引擎。

商業那一層是 LlamaParse，分成 Parse（解析 50 多種檔案格式）、Extract（依你定義的 schema 擷取欄位）、Index（替 RAG 做好切塊與索引）。官網主打用 Agent 方式理解文件、自動路由與錯誤自我修正，宣稱比前沿模型便宜 4 倍、比其他 API 準確 5 倍（這是原廠自家基準測試）。另外還推出開源、不需視覺語言模型、可在本機跑的 LiteParse。客戶包括 KPMG、PepsiCo、Carlyle、Intel、Michelin，LlamaParse 使用者超過 30 萬。

實際用起來的重點

從官方文件與範例看來，典型用法是先用 LlamaParse 把 PDF 轉成乾淨的 Markdown 或結構化 JSON，再丟給 LlamaIndex 或其他框架做檢索問答。真正的價值在前段：很多 RAG 專案回答不準，問題不在模型，而在 PDF 的表格被拆爛、多欄排版順序錯亂。LlamaParse 就是在修這一段。

選擇解析模式時要算成本。基本解析每頁最低約 1 點，進階的 Agent 解析會呼叫 AI 模型、點數消耗高得多。建議先拿 20、30 份最難的真實文件測試不同模式，再決定哪類文件用哪種模式。

優點

• 複雜文件（表格、圖表、掃描件、手寫）解析品質是業界公認強項。
• 開源框架 MIT 授權、整合套件多，換模型或向量庫成本低。
• 免費方案每月 1 萬點（約 1,000 頁），夠做概念驗證。
• 有 SOC 2 Type II、HIPAA，Enterprise 可部署在自家 VPC。

缺點

• 開源框架的重心已轉向文件處理，通用 Agent 編排不再是主戰場。
• 點數計價依解析模式差異大，大量進階解析的帳單成長很快。
• 框架歷經多次架構調整，舊教學與新版套件常對不上。

適合誰／不適合誰

適合要做企業文件問答、合約與發票擷取、財報分析的工程團隊，特別是文件格式又雜又亂的金融、保險、製造業。不適合不寫程式的使用者，也不適合只處理純文字、格式單純文件的專案，那種情況用免費的開源解析器就夠了。

價格觀察

LlamaParse 以點數計價，1,000 點 1.25 美元。Free 每月 1 萬點；Starter 每月 50 美元含 4 萬點、可隨用隨付到 40 萬點；Pro 每月 500 美元含 40 萬點；Enterprise 另議，提供量價折扣、更高速率限制、SSO 與混合雲部署。開源框架本身免費。以官網為準。

替代方案

通用 Agent 框架可以比較 LangChain 或 Haystack；專做文件前處理的有 Unstructured 與 Reducto；不寫程式想做知識庫問答，可以看 Dify。

台灣觀點

台灣企業文件最常見的難題是中英混排、直式表格、掃描的紙本公文與發票，這正是 LlamaParse 想解決的類型，但繁體中文的解析品質官網沒有專門說明，一定要拿自家文件實測，特別留意罕用字與表格合併儲存格。金融、醫療業若要處理含個資的文件，可評估 Enterprise 的 VPC 部署。以美元計價、刷國際信用卡。

評分

4.2 / 5。文件解析這一塊做得深、有開源也有商業選項，對 RAG 專案的實際幫助很大；扣分在定位轉移讓框架使用者有點無所適從，以及進階解析的成本需要精算。