LiteParse

LiteParse v2 通过网格投影算法将复杂页面结构化为人类可读、代理可理解的文本，无需 LLM，性能超越 pymupdf 等开源工具。

LiteParse 是一款开源、无模型的文档解析器，支持 50 多种文档类型，能够快速解析复杂布局的文档并提取干净文本，同时支持轻量级 OCR 集成。

LlamaIndex 推出 LiteParse WASM 包，可在浏览器和边缘运行时（如 Cloudflare Workers）直接解析 PDF，仅需不到25行代码，实现轻量、低延迟的文本提取。

PDF文档解析是AI知识工作自动化的关键瓶颈，现有OCR和视觉语言模型在处理复杂布局和表格时仍存在严重不足，需专用工具链提升数据提取质量。

LiteParse v2.0 提供高达 100 倍的解析速度提升，并支持在 Rust、JS/TS、Python 和浏览器环境中原生安装。

LlamaIndex团队开发了一个尽职调查AI代理，使用开源无模型的LiteParse文档解析器，可实现从复杂金融文档中提取文本并提供精确引用，无需支付PDF解析费用。

金融分析师约70%的时间用于从PDF中提取数据。LlamaIndex构建了一个仅用600行Next.js代码和LiteParse即可处理SEC文件并回答问题的演示代理，无需向量数据库。

LlamaIndex 推出了 sandboxed-lit，让代理能够轻松处理多种文件类型并安全访问本地文件系统。

LlamaIndex 推出 sandboxed-lit，一个基于 Rust 的 CLI 智能体工具，支持在本地优先的沙箱中解析 PDF、图像和 Office 文档，并集成 LiteParse 实现高效文件处理。

LiteParse v2 重构为全球最快 PDF 解析器，支持带边界框的文本提取，便于代码代理回溯原始文档。

LlamaIndex发布了LiteParse浏览器端指南，使用Vite和Mock技术实现。

LlamaIndex推出的LlamaParse和LiteParse可通过简单的MCP/skill设置与AI代理集成，前者提供高质量文档处理，后者一行代码即可安装为代理技能。

Google 发布了 Agents API，允许在沙箱 Linux 环境中构建和运行自定义代理；LlamaIndex 团队同步推出集成模板，使这些代理可调用 LlamaParse/LiteParse 处理非结构化文档。