Un problème que nous rencontrons souvent : de longs documents avec différentes parties de contenu répétitif. Exemple : un livre de CV avec une page de couverture, quelques pages sur les cursus des étudiants, puis des CV enchaînés. Construisez un agent de traitement de CV intelligent qui extrait automatiquement des données structurées à partir de contenu répétitif en utilisant LlamaSplit pour identifier où chaque contenu individuel commence et se termine et LlamaExtract pour extraire des données structurées : 📄 Téléchargez des livres de CV au format PDF sur LlamaCloud et catégorisez automatiquement les pages en utilisant LlamaSplit pour séparer les CV individuels des pages de cursus et de couverture. 🤖 Extrayez des informations structurées de chaque CV en utilisant LlamaExtract avec des schémas personnalisés pour capturer les noms, les coordonnées, l'éducation, l'expérience professionnelle et les compétences, etc. (à votre choix). ⚡ Orchestrer l'ensemble du processus avec LlamaAgent Workflows. 🔍 Traitez des données de CV réelles avec des scores de confiance et une sortie structurée prête pour le filtrage, la recherche et les systèmes de correspondance des candidats. Le tutoriel utilise un livre de CV de NYU comme exemple et montre à la fois des appels API individuels et une mise en œuvre complète d'un flux de travail automatisé. Découvrez le tutoriel complet :