简介
Agentic 文档抽取是一个 Python 库，封装了 LandingAI 的文档抽取 API，能将视觉复杂的文档（表格、图片、图表）解析为分层的 JSON 和可渲染的 Markdown，支持长 PDF、图片与 URL。
主要特性
- 一键安装：通过 pip 安装，无需额外依赖配置。
- 支持任意长度的 PDF、图片和 URL；自动拆分并并行处理大型文档。
- 输出结构化的分层 JSON 与可直接展示的 Markdown。
- 提供可视化工具与可选的 grounding 图像导出，便于调试与验证抽取结果。
- 对 API 错误与限流具有鲁棒的重试与退避策略。
使用场景
- 从发票、报表、表单和论文中提取结构化数据。
- 批量处理大型文档集合以构建索引或数据仓库。
- 将扫描文档转为可检索记录，供搜索和下游分析使用。
技术特点
- 语言：Python（支持 3.9–3.12）。
- 可配置并行度（BATCH_SIZE、MAX_WORKERS）与重试策略。
- 支持 Google Drive、S3、本地目录与 URL 等连接器。
- 支持字节流输入与基于 pydantic 的字段抽取模型。