- 问答聊天机器人（通常称为RAG系统，代表“检索增强生成”）
- 文档理解与提取
- 能够进行研究并采取行动的自主代理
LlamaIndex 提供了从原型到生产环境构建上述任何用例所需的工具。这些工具允许您同时摄取/处理数据，并实现将数据访问与LLM提示结合的复杂查询工作流程。
LlamaIndex 可以在 Python（本文档）和Typescript中使用。
提示
升级到 LlamaIndex v0.10.0？查看迁移指南。
🚀 为什么需要上下文增强？
LLM提供了人类与数据之间的自然语言接口。广泛可用的模型是在大量公开可用数据上进行预训练的。然而，它们并没有在您的数据上进行训练，而这些数据可能是私有的或特定于您试图解决的问题。它可能隐藏在API后面，存储在SQL数据库中，或者被困在PDF和幻灯片中。
LlamaIndex 提供了工具来实现上下文增强。一个流行的例子是检索增强生成（RAG），它在推理时将上下文与LLM结合起来。另一个是微调。
🦙 LlamaIndex 是上下文增强LLM应用的数据框架
LlamaIndex 不限制您如何使用LLM。您仍然可以将LLM用作自动完成、聊天机器人、半自主代理等。它只是让LLM对您更加相关。
LlamaIndex 提供以下工具，帮助您快速搭建生产就绪的LLM应用：
- 数据连接器从其原生来源和格式摄取您的现有数据。这些可以是API、PDF、SQL等（还有更多）。
- 数据索引将您的数据结构化为LLM易于消费的中间表示形式，而且性能良好。
- 引擎为您的数据提供自然语言访问。例如：
- 查询引擎是用于问答的强大接口（例如RAG管道）。
- 聊天引擎是用于与数据进行多消息、“来回”交互的对话接口。
- 代理是由工具增强的LLM动力知识工作者，从简单的辅助功能到API集成等等。
- 可观察性/评估集成，使您能够在良性循环中严格实验、评估和监控您的应用。
👨👩👧👦 LlamaIndex 适用于谁？
LlamaIndex 为初学者、高级用户以及介于两者之间的所有人提供了工具。
我们的高级API允许初学者用户在5行代码中使用LlamaIndex来摄取和查询他们的数据。
对于更复杂的应用，我们的低级API允许高级用户定制和扩展任何模块——数据连接器、索引、检索器、查询引擎、重新排序模块——以适应他们的需求。
入门指南
要安装该库：
pip install llama-index我们建议从如何阅读这些文档开始，根据您的经验水平指引您到正确的位置。
🗺️ 生态系统
要下载或贡献，请在以下位置找到LlamaIndex：
- LlamaIndex.TS（Typescript/Javascript包）：
LlamaCloud
如果您是企业开发人员，请查看LlamaCloud。这是一个托管平台，用于数据解析和摄取，允许您为生产LLM应用获取高质量的数据。
查看以下资源：
- LlamaParse：我们的最先进的文档解析解决方案。作为LlamaCloud的一部分，也可作为自助API使用。在此注册以获取API访问权限。
- LlamaCloud：我们的端到端数据平台。与初创公司和企业计划一起进行私人预览。如果感兴趣，请与我们联系。