知识卡片：LlamaIndex Extract v2.5 —— 基于 Schema 的下一代文档提取代理

一句话结论

LlamaIndex 发布 Extract v2.5，这是其基于 schema 的文档提取代理的新一代版本；在不提高每页定价的前提下，所有 tier 的 ExtractBench 准确率均有提升，并首次把 Advanced Citations 从 Agentic Plus 扩展到 Agentic，显著改善证据定位能力。

事件概述或研究问题

• 发布方：LlamaIndex。
• 发布时间：2026 年 10 月 1 日。
• 英文标题：Introducing Extract v2.5。
• 作者：Adrian Lyjak、Eli Stewart。
• 核心问题：如何为真实企业文档的 schema 提取构建更专用的 agent harness，以应对长列表、跨页记录、扫描表单、复杂布局、视觉噪声和验证失败等失败模式。
• 产品定位：schema-based document extraction agents，即按用户 schema 从文档中抽取结构化字段的代理式工具。

方法/产品要点

• 新 agent harness：受最新编码代理启发，围绕视觉、推理、验证进行调优，面向文档提取的真实失败模式。
• Structural Reasoning：基于文档表示进行结构化推理，依据文档类型、布局和信息密度调整提取策略；复杂文档投入更多推理，较简单文档降低延迟。
• Advanced Citations：为提取值定位支持证据的 bounding box，即使值并非逐字出现在文档中；此前初版仅在 Agentic Plus 可用，v2.5 改进 grounding 并扩展到 Agentic。
• 跨页与跨区上下文：代理可交叉引用多页上下文，并把值 grounded 到精确来源。
• 分层策略：把 Agentic Plus 背后的 harness 下放到 Cost Effective 和 Agentic，并按各 tier 成本约束调整工具与提取策略。
• Schema/指令遵循：处理最多 3,200 个字段的任务；若 record ID 对匹配数据库关键，材料建议在 prompt 中明确提示。
• Native spreadsheet extraction：spreadsheet mode 让代理直接处理 workbook cells，而非扁平化表示，可在 extraction configuration 中启用。
• 接入方式：Open LlamaCloud、CLI、MCP、Python SDK。CLI 要求 Go；MCP 示例包括 Claude Code、Codex；Python SDK 配置示例使用 tier agentic、version 2.5、cite_sources 和 confidence_scores。

主要结果或产业意义

• ExtractBench 总价值 F1：
  • Cost Effective：87.1 → 93.9，已超过上一代 Agentic。
  • Agentic：89.8 → 95.8，已超过上一代 Agentic Plus。
  • Agentic Plus：95.1 → 96.4。
• Grounding 分数：
  • Agentic：46.8 → 80.6。
  • Agentic Plus：46.4 → 82.2。
• Long lists：
  • Cost Effective：82.0 → 92.6。
  • Agentic：86.1 → 95.5。
  • 示例：17 页 fund filing 中，上一版 Cost Effective 只返回 238 个 holdings 中的 87 个；v2.5 返回全部 238 个，extraction score 从 52.8 升至 98.7。
• Records spanning pages：v2.0 Agentic 在分页处停止，导致 grant 的 purpose 和 address 不完整；v2.5 能把下一页的续接内容并入同一记录。
• Scanned forms：v2.5 更能区分原始值与审阅者批注。示例中，v2.0 把审阅者日期与 permit number 混在一起，并把审阅者注释附加到 freshwater depth；v2.5 按 schema 拆分字段。
• Advanced Citations 与 confidence scores 结合，可用于判断哪些值可自动通过、哪些需要人工复核；审阅者可用 citations 回到原文核对。

为什么重要

• 文档提取正从“能抽取”转向“高准确率、可审计、可进入 human-in-the-loop 工作流”。Advanced Citations 和 confidence scores 的组合，直接影响企业能否把提取结果接入自动化流程。
• 在每页价格不变的情况下提升所有 tier 的表现，意味着竞争焦点不只是底层模型能力，还包括 agent harness、文档结构工具、证据定位和分层产品策略。
• 示例中的长列表、跨页记录和扫描表单，都是企业文档自动化的典型高风险场景；这些场景的改善比单一 benchmark 分数更有产业含义。

与既有脉络的关系

• 已有相关卡片中的 ParseBench 关注“面向 AI 代理的文档解析基准”；本条关注 LlamaIndex 的 schema 提取代理产品更新，指标为 ExtractBench 的 value F1 与 grounding。
• 增量信息在于：Extract v2.5 把 Agentic Plus 的 harness 下放到较低 tier，并大幅提升 Agentic/Agentic Plus 的 citation grounding 分数。ParseBench 与 ExtractBench 是否为同一评测体系或可直接比较，材料未说明，待核实。

局限与不确定性

• 主要结果来自 LlamaIndex 博客和 ExtractBench，尚未见独立第三方复现。
• 每页定价“未提高”可确认，但具体价格、各 tier 价格差异、延迟和单位成本未在材料中披露，待核实。
• Agentic、Agentic Plus、Cost Effective 的具体模型配置、工具调用预算和成本约束未详细说明。
• Advanced Citations 的 bounding box 准确率定义、置信度校准方式及其与人工复核阈值的关系，待核实。
• 3,200 字段、跨页记录、扫描表单等示例的泛化能力，以及不同行业文档上的表现，待核实。
• ExtractBench 与 ParseBench 的关系、是否开源、是否同一维护方，材料未明确，待核实。

可用于图书/PPT/简报的角度

• 文档提取代理的架构要素：harness、结构化推理、文档表示、工具调用、验证、grounding。
• “从编码代理到文档提取代理”的迁移：借鉴 coding agents，但专门处理视觉、布局、表格、阅读顺序和来源坐标。
• 企业文档自动化的失败模式：长列表漏项、跨页记录断裂、扫描件噪声、批注与原始值混淆。
• 可审计 AI 工作流：bounding box citations + confidence scores + human-in-the-loop。
• 产品分层策略：把高 tier 能力下放到低 tier，以“每美元性能”而非单纯模型升级作为卖点。

原始材料

• 英文标题：Introducing Extract v2.5
• 英文关键词：schema-based document extraction agents; ExtractBench; Agentic; Agentic Plus; Advanced Citations; Structural Reasoning; spreadsheet mode; confidence scores; MCP; CLI; Python SDK
• 原始来源：LlamaIndex Blog, “Introducing Extract v2.5”, Oct 1, 2026, https://www.llamaindex.ai/blog/introducing-extract-v2-5
• 相关英文副题/手册标题：Introducing Extract v2.5: Next-Gen Document Extraction Agents
• 作者：Adrian Lyjak, Eli Stewart
• 分类：Product, Engineering