LlamaParse スキル

LlamaParse を使用して、非構造化ドキュメント (PDF、DOCX、PPTX、XLSX など) を解析し、その内容 (テキスト、マークダウン、画像など) を抽出します。

初期設定

このスキルが実行されるときは、以下のように応答してください:

I'm ready to use LlamaParse to parse files. Before we begin, please confirm that:

- `LLAMA_CLOUD_API_KEY` is set as environment variable within the current environment
- `@llamaindex/llama-cloud@latest` is installed and available within the current Node environment

If both of them are set, please provide:

1. One or more files to be parsed
2. Specific parsing options, such as tier, API version, custom prompt, processing options...
3. Any requests you might have regarding the parsed content of the file.

I will produce a Typescript script to run the parsing job and, once you approved its execution, I will report the results back to you based on your request.

その後、ユーザーの入力を待ってください。

---

ステップ 0 — llama-cloud をインストール (オプション)

ユーザーが @llamaindex/llama-cloud パッケージをインストールしていない場合、以下を実行して現在の環境に追加してください:

npm install @llamaindex/llama-cloud@latest

ステップ 1 — TypeScript スクリプトを生成

ユーザーが環境変数が設定されていることを確認し、解析ジョブに必要な詳細を提供したら、TypeScript スクリプトを生成してください。

TypeScript スクリプトの参照元として、以下が利用できます:

• example.ts スクリプト。LlamaParse の大部分の必要な設定をカバーしています
• 完全な LlamaParse ドキュメント。https://developers.llamaindex.ai/python/cloud/llamaparse/api-v2-guide/ ページを参照してください

スクリプト作成のベストプラクティス

スクリプトを生成する際は、以下のガイドラインに従ってください:

1. 常にトップレベルの LlamaCloud クライアントを使用

すべての解析操作に LlamaCloud (API クライアント) を使用してください:

import LlamaCloud from "@llamaindex/llama-cloud";

// クライアントを定義
const client = new LlamaCloud({
  apiKey: process.env["LLAMA_CLOUD_API_KEY"], // これはデフォルトで省略可能
});

2. 2 ステップのアップロード → 解析パターン

常に最初にアップロードしてファイル ID を取得してから、ファイル ID を使用して解析してください。生のファイルバイト列を parse() に直接渡さないでください。

import { readFile, writeFile } from "fs/promises";
import { basename } from "path";

// 1. ファイルパスを File オブジェクトに変換
const buffer = await readFile(filePath);
const fileName = basename(filePath);
const file = new File([buffer], fileName);
// 2. ファイルをクラウドにアップロード
const fileObj = await client.files.create({
  file: file,
  purpose: "parse",
});
// 3. ファイル ID を取得
const fileId = fileObj.id;
// 4. ファイル ID を使用してファイルを解析
const result = await client.parsing.parse({
  tier: "agentic",
  version: "latest",
  file_id: fileId,
  ...
});

ユーザーが既にファイル ID を持っている場合 (例: 以前のアップロードから)、アップロード ステップをスキップしてそれを直接使用してください。

3. 適切なティアを選択

ティア	使用する場合
fast	スピードが優先; シンプルなドキュメント
cost_effective	予算重視; 簡単なテキスト抽出
agentic	複雑なレイアウト、表、混合コンテンツ (デフォルト推奨)
agentic_plus	高度な分析、最高精度

ユーザーが特に指定するか、ドキュメントが単純な場合以外は、agentic をデフォルトにしてください。

4. 常に expand パラメータを含める

expand パラメータは返されるコンテンツを制御します。これを省略すると最小限のデータが返されます。常に必要なもの を正確に指定してください:

値	返すもの
text_full	result.text_full 経由のプレーンテキスト
markdown_full	result.markdown_full 経由のマークダウン
items	result.items.pages 経由のページレベル JSON
text_content_metadata	ページごとのテキストメタデータ
markdown_content_metadata	ページごとのマークダウンメタデータ
items_content_metadata	ページごとの items メタデータ
images_content_metadata	署名済み URL を含む画像リスト
output_pdf_content_metadata	出力 PDF メタデータ
xlsx_content_metadata	Excel 固有のメタデータ

署名済み URL またはページごとの詳細が必要な場合にのみ、メタデータ *_content_metadata バリアントをリクエストしてください — ペイロードサイズが増加します。

5. None 結果を防御的に処理

result.text_full、result.markdown_full、および result.items は失敗時に undefined になる可能性があります。常にこれに対して防御してください:

const text = result.text_full ?? "";
const markdown = result.markdown_full ?? "";

6. 高度な設定には構造化されたオプションを使用

正しいネストされたキーを使用してオプションをグループ化してください:

const result = await client.parsing.parse({
  tier: "agentic",
  version: "latest",
  file_id: fileId,
  input_options: {
    presentation: {
      skip_embedded_data: false,
    },
  },
  output_options: {
    images_to_save: ["screenshot"],
    markdown: {
      tables: { output_tables_as_markdown: true },
      annotate_links: true,
    },
  },
  processing_options: {
    specialized_chart_parsing: "agentic",
    ocr_parameters: { languages: ["de", "en"] },
  },
  agentic_options: {
    custom_prompt:
      "Extract text from the provided file and translate it from German to English.",
  },
  expand: [
    "markdown_full",
    "images_content_metadata",
    "markdown_content_metadata",
  ],
});

ユーザーが抽出を指定したい場合 (翻訳、要約、構造化抽出など) は、常に agentic_options.custom_prompt を使用してください。

7. 画像のダウンロードには httpx と認証が必要

images_content_metadata が expand にある場合、Bearer 認証を使用して署名済み URL 経由で画像をダウンロードしてください:

if (result.images_content_metadata) {
  for (const image of result.images_content_metadata.images) {
    if (image.presigned_url) {
      const response = await fetch(image.presigned_url, {
        headers: {
          Authorization: `Bearer ${process.env["LLAMA_CLOUD_API_KEY"]}`,
        },
      });
      if (response.ok) {
        const content = await response.bytes();
        await writeFile(image.filename, content);
      }
    }
  }
}

8. Node shebang を使用

生成されたすべてのスクリプトには node shebang を含める必要があります:

#!/usr/bin/env node

---

ステップ 2 — TypeScript スクリプトを実行

TypeScript スクリプトが生成されたら、以下を実行してください:

1. スクリプトをユーザーに提示し、実行の許可を求めます (現在の権限設定に応じて)
2. 実行の許可を得たら、スクリプトを実行してください
3. ユーザーのリクエストに基づいて結果を探索してください

TypeScript スクリプトを実行するには、npx tsx script.ts を使用することを強く推奨します。