@n8n_io 的 LlamaParse Platform 节点现已正式成为经过验证的社区节点。开箱即用，您可以通过单个共享凭证访问解析、拆分、分类、结构化数据提取和检索功能。现在，您可以使用喜欢的 @llama_index 服务构建文档工作流，并将其作为工具公开给 AI 智能体，这样智能体无需依赖静态管道，就能在需要时动态选择合适的文档处理或检索工具。查看下面的演示，获取构建灵感。阅读完整公告博客：https://llamaindex.ai/blog/bring-your-document-workflows-to-n8n-with-the-llamaparse-node…

LlamaParse Platform 节点 for n8n：使用 AI 解析、分类、提取和检索文档

来源：https://www.llamaindex.ai/blog/bring-your-document-workflows-to-n8n-with-the-llamaparse-node

我们发布了 v5 和 v6 版本的 LlamaParse Platform (https://cloud.llamaindex.ai/?utm_source=demo&utm_medium=n8n) 社区节点 for n8n (https://n8n.io/)，该包现已正式成为 经过验证的社区节点，这是我们与 n8n 签署的更广泛合作的一部分，旨在将文档智能带入无代码和低代码世界。本文介绍该节点暴露的功能、两个主要版本的变化，以及您可以构建的三个具体工作流。

节点功能

该包提供一个节点：LlamaParse Platform，它在单个资源/操作下拉菜单下暴露了五个 LlamaCloud 资源。所有五个资源共享同一个 LlamaParse API 凭证。

解析支持四个层级（fast、cost_effective、agentic、agentic_plus），可选择固定解析器版本。检索同时支持 v1 管道 API 和 v2 索引检索 API。每个资源都标记为 usableAsTool: true，因此可以附加到 n8n AI 智能体 作为可调用的工具，而不仅限于线性流程。

v5 中的变化

v5 是一次基础重写：

• 移除 SDK，改用直接 HTTP 调用 LlamaCloud API，无需捆绑和维护 SDK，表面更小、更可预测。
• 提取从 V1 迁移到 V2，与当前的 Extract 服务产品配置模型对齐。
• 可配置的 API 基础 URL，使区域特定和自托管部署成为凭证设置，而非分支。
• 重构二进制文件处理，使文件能够从任何上游节点顺畅流动。

v6 中的变化

v6 整合了包。早期版本发布了多个独立节点（LlamaParse、LlamaClassify、LlamaExtract 等）；v6 将它们合并为单个 LlamaParse Platform 节点，采用 n8n 原生节点的资源/操作模式。它还添加了索引操作，用于管理和检索索引，并包含了 n8n 验证审查中的修复（linting、打包和类命名修正）。

在 n8n 实例上安装节点

要安装 LlamaParse Platform 节点，打开一个新的 n8n 工作流画布，在节点搜索栏中输入 LlamaParse Platform：当节点出现在搜索结果中时，点击它，然后点击 安装节点。通过 设置 → 社区节点 验证和管理安装。

示例工作流

要使用 LlamaParse 集成，添加一个 LlamaParse API 凭证（从 cloud.llamaindex.ai (http://cloud.llamaindex.ai/) 粘贴您的密钥；基础 URL 默认为 https://api.cloud.llamaindex.ai），并将节点拖放到画布上。

1. 将检索器作为智能体工具

由于节点是 usableAsTool: true，检索资源可以直接接入 AI 智能体的工具列表：智能体根据用户查询决定是否调用检索工具。例如，如果用户提出一个需要当前智能体无法访问的领域特定问题时，智能体可以从索引中检索相关信息。智能体调用工具，接收检索到的片段并在同一轮对话中进行推理：就像这样，您已经将一个智能体接入到自己的知识库中，并且可以轻松地用更多工具和连接进行扩展。

2. 文档处理管道

将原始文件转换为结构化、经过验证的输出：分类 将每个文档路由到正确的分支（在示例中为 invoice vs contract），提取 使用针对该类型调整的模式提取结构化字段，LLM 节点 基于文件的 解析内容 验证提取数据的正确性。除了示例中所示的内容，分类的 confidence 字段可以作为将低置信度文档发送到人工审查分支的便捷门控。

3. 评估解析输出

使用不同的解析模式评估解析输出：在 Agentic 模式和 Cost Effective 模式下链式解析，然后将输入文件通过两个解析器，并将结果收集到如下所示的 LLM 提示中：

{agentic output}
{cost effective output}
确定哪个层级产生了最高质量的结果

最后，将 LLM 作为评判者的裁决表示为可用于评估的结构化输出：如果您试图找到文档准确性和延迟之间的最佳平衡，这一点尤其重要。

开始使用

您现在就可以开始使用 LlamaParse Platform 节点，直接在 n8n 平台中使用，或查看以下资源：

• 文档：developers.llamaindex.ai/llamaparse/integrations/n8n (https://developers.llamaindex.ai/llamaparse/integrations/n8n/)
• GitHub 仓库：github.com/run-llama/n8n-llamacloud (http://github.com/run-llama/n8n-llamacloud)
• npm 包：@llamaindex/n8n-nodes-llamacloud (https://www.npmjs.com/package/@llamaindex/n8n-nodes-llamacloud)
• LlamaParse Platform：cloud.llamaindex.ai (http://cloud.llamaindex.ai/)