Um sistema completo de análise de earnings releases usando LlamaIndex + LlamaCloud (LlamaParse/LlamaExtract) com interface Streamlit.

• 📄 Parsing de documentos: Suporte para PDF, DOCX, HTML usando LlamaParse
• 🧠 Extração estruturada: Dados financeiros estruturados com citações usando LlamaExtract
• 📊 Interface web: Interface Streamlit intuitiva com múltiplas abas
• 🇧🇷 Resumos executivos: Geração automática de resumos profissionais em português
• 💾 Download: Exportação em JSON e Markdown
• ⚙️ Múltiplos presets: Cost-Effective, Agentic, Agentic Plus

• LlamaCloud: LlamaParse + LlamaExtract
• Streamlit: Interface web
• Pydantic: Validação de dados
• Python: Backend

1. Clone o repositório:

git clone https://github.com/arthur0211/llama-cloud-release-mvp.git
cd llama-cloud-release-mvp

2. Instale as dependências usando uv (recomendado):

uv sync

Ou usando pip:

pip install -r requirements.txt

3. Configure sua API key da LlamaCloud:

export LLAMA_CLOUD_API_KEY="sua_api_key_aqui"

1. Execute a aplicação Streamlit:

uv run streamlit run streamlit_app.py

2. Acesse http://localhost:8501

3. Configure o preset de parsing na barra lateral

4. Faça upload de um arquivo de earnings release

5. Visualize os resultados nas abas:

   • Resumo Executivo: Resumo profissional em português
   • Dados Extraídos: Dados estruturados com citações
   • Texto Parseado: Conteúdo completo do documento
   • Downloads: Exportação em JSON/Markdown

├── streamlit_app.py           # Interface Streamlit principal
├── earnings_schema.py         # Schemas Pydantic para dados estruturados
├── llamaparse_integration.py  # Integração com LlamaParse
├── llamaextract_integration.py # Integração com LlamaExtract
├── summary_generator.py       # Gerador de resumos executivos
├── requirements.txt           # Dependências Python
├── pyproject.toml            # Configuração do projeto (uv)
└── CLAUDE.md                 # Documentação para Claude Code

O sistema processa earnings releases e gera resumos como:

**Best Buy (BBY) – 2T25**

**Best Buy cresce em vendas comparáveis e mantém guidance anual; margem ajustada pressionada por mix**
A Best Buy divulgou os resultados do **Q2 FY26** — referentes ao **2T25** — em **28 de agosto de 2025**. A companhia reportou **receita de US$ 9.4 bi** (+1.6% em vendas comparáveis), **EPS diluído de US$ 0.87** e **EPS ajustado de US$ 1.28**.

**Destaques operacionais**

• Comps +1,6% (Enterprise), com Domestic +1,1% e International +7,6%
• Online (Domestic) +5,1% e atingindo 32,8% da receita doméstica
• Margem operacional: 2,7% (ajustada 3,9%)

Você precisa de uma API key da LlamaCloud. Defina como variável de ambiente:

export LLAMA_CLOUD_API_KEY="llx-..."

1. Fork o projeto
2. Crie uma branch para sua feature (git checkout -b feature/nova-feature)
3. Commit suas mudanças (git commit -am 'Adiciona nova feature')
4. Push para a branch (git push origin feature/nova-feature)
5. Abra um Pull Request

MIT License - veja LICENSE para mais detalhes.

🤖 Gerado com Claude Code