在LlamaExtract中获取提取数据的引用和推理
原文英文，约1000词，阅读约需4分钟。
📝
内容提要
LlamaExtract简化了从复杂数据源提取信息的过程，用户可以定义提取字段并提供引用和推理。通过LlamaCloud，用户可创建提取代理，选择预定义或自定义模式。这些新功能提高了提取的透明度和验证性，使自动文档处理更加高效。
🔎
延伸解读
提取透明度的重要性
LlamaExtract的新功能通过为每个提取字段提供引用和推理，显著提高了数据提取的透明度。这种透明度不仅有助于用户理解提取的依据，还能增强对自动文档处理结果的信任，尤其在涉及法律和财务文件时，确保信息的准确性至关重要。
自定义提取模式的灵活性
用户可以通过LlamaCloud创建自定义提取模式，这为不同类型的文档提供了灵活性。无论是使用预定义模式还是根据特定需求构建自定义模式，用户都能根据实际情况优化提取过程，提升工作效率。
引用和推理的实用性
在提取过程中，引用和推理的功能使得用户能够追溯信息来源，了解提取的逻辑。这不仅有助于数据验证，还能在数据分析和决策时提供更强的支持，尤其是在处理复杂数据时，确保信息的可靠性和准确性。
❓
Q&A
LlamaExtract的主要功能是什么？
LlamaExtract简化了从复杂数据源提取信息的过程，用户可以定义提取字段并提供引用和推理。
如何在LlamaCloud中创建提取代理？
用户可以通过LlamaCloud UI或开源SDK创建提取代理，选择预定义或自定义模式。
LlamaExtract如何提高提取的透明度？
LlamaExtract为每个提取字段提供引用和推理，增强了提取的透明度和验证性。
用户如何定义自定义提取模式？
用户可以在LlamaCloud UI中定义自定义模式，或通过Python SDK编程创建自定义模式。
提取字段的引用和推理有什么用？
引用和推理帮助用户理解提取信息的来源和理由，增强了信息的可信度。
LlamaExtract如何处理SEC文件的提取？
LlamaExtract可以从SEC文件中提取结构化数据，并提供每个字段的引用和推理。
🏷️
