هل سئمت من التعامل مع ملفات Excel الفوضوية التي تكسر المحللات التقليدية؟ 📊 انضم إلى ورشتنا في 29 يناير الساعة 11 صباحا بتوقيت المحيط الهادئ لترى كيف يحول LlamaSheets جداول البيانات الفوضوية إلى ملفات باركيت نظيفة وجاهزة الذكاء الاصطناعي مع الحفاظ على كل السياق المهم. 📈 تتعامل مع هياكل معقدة مثل الخلايا المدمجة، والرؤوس متعددة المستويات، والتنسيق البصري الذي تغفل عنه الأدوات التقليدية 🤖 ابن وكلاء محددين في الجداول للتحليل المالي، وتحليل الميزانية، والتقارير الآلية 💼 شاهد أمثلة حقيقية: توحيد بيانات متعددة المناطق واستخراج جداول الإيرادات الفصلية ⚡ حول فوضى جداول البيانات إلى بيانات منظمة باستخدام بضعة أسطر فقط من الكود سنستعرض حالات الاستخدام العملية ونعرض أنماط التكامل مع LlamaAgents حتى تتمكن من بناء خطوط معالجة بيانات قوية. سجل في الورشة:

مشكلة نراها كثيرا: وثائق طويلة تحتوي على محتوى متكرر مختلف. مثال: كتاب سيرة ذاتية مع صفحة غلاف، وعدة صفحات عن مناهج الطلاب، ثم سير ذاتية متتالية ابن وكيل معالجة سير ذاتية ذكي يستخرج تلقائيا البيانات المهيكلة من المحتوى المتكرر باستخدام LlamaSplit لتحديد مكان بداية ونهاية كل محتوى فردي وLlamaExtract لاستخراج البيانات المنظمة: 📄 قم بتحميل كتب السيرة الذاتية بصيغة PDF على LlamaCloud وصنف الصفحات تلقائيا باستخدام LlamaSplit لفصل السير الذاتية الفردية عن المنهج وصفحات الغلاف 🤖 استخرج معلومات منظمة من كل سيرة ذاتية باستخدام LlamaExtract مع مخططات مخصصة لالتقاط الأسماء، ومعلومات الاتصال، والتعليم، والخبرة العملية، والمهارات وغيرها (اختيارك) ⚡ تنسيق العملية بأكملها باستخدام LlamaAgent Workflows 🔍 معالجة بيانات السيرة الذاتية الحقيقية مع درجات الثقة والمخرجات المنظمة جاهزة للتصفية، والبحث، وأنظمة مطابقة المرشحين يستخدم الدرس كتاب السيرة الذاتية من جامعة نيويورك كمثال ويظهر استدعاءات واجهة برمجة التطبيقات الفردية وتنفيذ سير عمل آلي كامل. اطلع على الدرس الكامل:

اطلع على وكيل تعبئة النماذج الذي يقوم بأتمتة نماذج PDF باستخدام الذكاء الاصطناعي by @jerryjliu0 📄🤖 استخدم أي ملف PDF قابل للتعبئة مع وكيل يملأه بناء على التعليمات وملفات السياق. تجربتنا الجديدة تخلق تجربة دردشة متعددة الأدوار لإكمال النموذج. 🔍 رفع ملفات PDF القابلة للتعبئة واكتشاف حقول النماذج تلقائيا باستخدام PyMuPDF 📝 أضف المحفزات المخصصة وملفات السياق (يتم تحليلها عبر LlamaParse) لتوجيه الذكاء الاصطناعي 🤖 تتيح لك المحادثات متعددة الأدوار تحسين وتصحيح إدخالات النماذج بعد الانتهاء الأولي 💾 قم بتحميل النماذج المكتملة عند الانتهاء يستخدم الوكيل أدوات بسيطة لسرد وتعيين والحصول على والتحقق من صحة حقول النماذج. يمكنك التحدث معه لإجراء التصحيحات والتعديلات حتى يصبح شكلك مثاليا. اطلع على الكود على GitHub: أو التطبيق المنشور هنا: