Częsty problem, który widzimy: długie dokumenty z różnymi powtarzającymi się treściami. Przykład: książka z CV z okładką, kilkoma stronami o programach nauczania studentów, a następnie CV jeden po drugim Zbuduj inteligentnego agenta przetwarzania CV, który automatycznie wyodrębnia dane strukturalne z powtarzających się treści, używając LlamaSplit do identyfikacji, gdzie zaczyna się i kończy każda indywidualna treść oraz LlamaExtract do wyodrębniania danych strukturalnych: 📄 Prześlij książki z CV w formacie PDF do LlamaCloud i automatycznie kategoryzuj strony, używając LlamaSplit do oddzielania indywidualnych CV od programów nauczania i stron okładkowych 🤖 Wyodrębnij strukturalne informacje z każdego CV, używając LlamaExtract z niestandardowymi schematami, aby uchwycić imiona, dane kontaktowe, wykształcenie, doświadczenie zawodowe i umiejętności itp. (według własnego wyboru) ⚡ Zorganizuj cały proces za pomocą LlamaAgent Workflows 🔍 Przetwarzaj rzeczywiste dane CV z wynikami pewności i strukturalnym wyjściem gotowym do filtrowania, wyszukiwania i systemów dopasowywania kandydatów Samouczek używa książki z CV NYU jako przykładu i pokazuje zarówno indywidualne wywołania API, jak i pełną implementację zautomatyzowanego przepływu pracy. Sprawdź pełny samouczek: