Jerry Liu
@jerryjliu0
Parsing the world's hardest PDFs @llama_index. cofounder/CEO
Careers:
Enterprise:
1.6K 正在關注 84.6K 粉絲
Doc + Jev => DocJev
@llama_index 团队最新开源文档分类与拆分工具 DocJev，给它一个 PDF/DOCX/PPTX 和一份用自然语言写的类别规则，它可以告诉你这份文档属于哪个类别，或者把一份“文件包”按边界拆成若干子文档并给出各自页码范围。
开源地址：
核心架构：解析与决策分离
1. 解析层（OCR/文本化）：默认用 liteparse，本地原生 Python 解析器，免费、无 API 费用；可选 LlamaParse，基于 VLM，擅长复杂版式，分 Cost Effective / Agentic / Agentic Plus 三档，支持版本锁定和缓存。DOCX/PPTX 需借助 LibreOffice 先渲染成 PDF。
2. 决策层（Jev）：把归一化后的页文本发给 Jev 托管服务，返回类别、概率和分布。
这个分离带来两个直接好处：解析结果可复用（parse 一次，classify/split 多次，metrics.decision_ms 可单独看推理耗时）；换 OCR 后端不影响决策逻辑。“6 倍速度”的对比是包含 liteparse 解析时间的全链路数字。
顯示更多
