如何使llama-parse解析表格PDF时输出结果保持一致？

代码示例 #

import os
import pandas as pd

import nest_asyncio 
nest_asyncio.apply()

os.environ["LLMA_CLOUD_API_KEY"] = "some_key_id"
key_input = "some_key_id"

from llama_parse import LlamaParse

# running llama parsing
doc_parsed = LlamaParse(result_type="markdown",api_key=key_input
                        ).load_data(r"Path\myfile.pdf")

问题描述 #

用上述代码解析同一PDF文档，当前输出和上月结果存在差异：上月解析出的表格是带|分隔符的标准Markdown表格，现在变成了分行文本形式。需要输出稳定一致（至少测试结果部分保留Markdown表格格式），才能基于固定逻辑搭建分析程序。

疑问点 #

1. 是否是后台模型更新导致的输出变化？
2. 能不能通过固定模型版本或调整参数实现输出稳定？

解决方案 #

1. 固定模型版本
   Llama-Parse支持指定具体模型版本，避免后台自动更新带来的格式变动。初始化时添加model参数，指定之前能稳定输出的模型版本即可，示例：

doc_parsed = LlamaParse(
    result_type="markdown",
    api_key=key_input,
    model="llama-3-70b-chat"  # 替换为实际可用的稳定模型版本
).load_data(r"Path\myfile.pdf")

2. 添加解析指令约束格式
   通过parsing_instruction参数明确要求模型输出Markdown表格，强制约束格式，示例：

doc_parsed = LlamaParse(
    result_type="markdown",
    api_key=key_input,
    parsing_instruction="文档中的所有表格必须以标准Markdown表格格式输出，使用|作为列分隔符，保留原有行列结构"
).load_data(r"Path\myfile.pdf")

3. 关于后台模型更新的影响
   是的，很大概率是Llama-Parse后台模型迭代更新导致的输出格式变化。云端服务通常会自动升级模型优化效果，但可能会打破原有输出的兼容性，固定模型版本是解决这类问题的直接方案。

内容的提问来源于stack exchange，提问作者ViSa