Müde von der Auseinandersetzung mit unordentlichen Excel-Dateien, die traditionelle Parser zum Scheitern bringen? 📊 Nehmen Sie an unserem Workshop am 29. Januar um 11 Uhr PT teil, um zu sehen, wie LlamaSheets chaotische Tabellenkalkulationen in saubere, AI-bereite Parquet-Dateien umwandelt und dabei alle wichtigen Kontexte bewahrt. 📈 Verarbeiten Sie komplexe Strukturen wie zusammengeführte Zellen, mehrstufige Kopfzeilen und visuelle Formatierungen, die traditionelle Werkzeuge übersehen 🤖 Erstellen Sie tabellenspezifische Agenten für Finanzanalysen, Budgetauswertungen und automatisierte Berichterstattung 💼 Sehen Sie sich echte Beispiele an: Konsolidierung von Daten aus mehreren Regionen und Extraktion von vierteljährlichen Umsatztabellen ⚡ Verwandeln Sie das Chaos von Tabellenkalkulationen in strukturierte Daten mit nur wenigen Codezeilen Wir werden praktische Anwendungsfälle durchgehen und Ihnen Integrationsmuster mit LlamaAgents zeigen, damit Sie robuste Datenverarbeitungs-Pipelines erstellen können. Registrieren Sie sich für den Workshop:

Ein Problem, das wir oft sehen: lange Dokumente mit verschiedenen wiederkehrenden Inhalten. Beispiel: ein Lebenslaufbuch mit einer Titelseite, ein paar Seiten über die Lehrpläne der Studenten und dann hintereinander Lebensläufe. Erstellen Sie einen intelligenten Lebenslaufverarbeitungsagenten, der automatisch strukturierte Daten aus wiederkehrenden Inhalten extrahiert, indem er LlamaSplit verwendet, um zu identifizieren, wo jeder einzelne Inhalt beginnt und endet, und LlamaExtract, um strukturierte Daten zu extrahieren: 📄 Laden Sie PDF-Lebenslaufbücher in LlamaCloud hoch und kategorisieren Sie die Seiten automatisch mit LlamaSplit, um einzelne Lebensläufe von Lehrplänen und Titelseiten zu trennen. 🤖 Extrahieren Sie strukturierte Informationen aus jedem Lebenslauf mit LlamaExtract und benutzerdefinierten Schemas, um Namen, Kontaktdaten, Ausbildung, Berufserfahrung und Fähigkeiten usw. zu erfassen (Ihre Wahl). ⚡ Orchestrieren Sie den gesamten Prozess mit LlamaAgent Workflows. 🔍 Verarbeiten Sie echte Lebenslaufdaten mit Vertrauensbewertungen und strukturiertem Output, der bereit ist für Filter-, Such- und Kandidatenabgleichsysteme. Das Tutorial verwendet ein NYU-Lebenslaufbuch als Beispiel und zeigt sowohl einzelne API-Aufrufe als auch eine vollständige Implementierung des automatisierten Workflows. Schauen Sie sich das vollständige Tutorial an:

Schau dir den Formularausfüll-Agenten an, der PDF-Formulare mithilfe von AI automatisiert, von @jerryjliu0 📄🤖 Verwende jedes ausfüllbare PDF mit einem Agenten, der es basierend auf deinen Eingaben und Kontextdateien ausfüllt. Unser neues Experiment schafft ein mehrstufiges Chat-Erlebnis zur Formularvervollständigung. 🔍 Lade ausfüllbare PDFs hoch und erkenne automatisch Formularfelder mit PyMuPDF 📝 Füge benutzerdefinierte Eingaben und Kontextdateien (über LlamaParse analysiert) hinzu, um die AI zu leiten 🤖 Mehrstufige Gespräche ermöglichen es dir, Formularangaben nach der ersten Vervollständigung zu verfeinern und zu korrigieren 💾 Lade deine ausgefüllten Formulare herunter, wenn du fertig bist Der Agent verwendet einfache Werkzeuge, um Formularfelder aufzulisten, festzulegen, abzurufen und zu validieren. Du kannst mit ihm chatten, um Korrekturen und Anpassungen vorzunehmen, bis dein Formular perfekt ist. Sieh dir den Code auf GitHub an: Oder die bereitgestellte App hier: