宣布 LlamaCloud 全面上线（以及我们的 1900 万美元 A 轮融资）！
LlamaIndex
开始使用
联系我们

©2025LlamaIndex

LlamaIndex • 2024-02-13

LlamaIndex 新闻通讯 2023–02–13

各位 LlamaIndex 探险家 🦙 您好，

欢迎来到 LlamaIndex 激动人心的一周发现之旅！我们社区的积极参与和丰富的学习工具正等待着为您的 LlamaIndex 之旅注入超强动力。

在我们深入了解更新之前，我们有两项重大公告

  • LlamaIndex v0.10：我们的最新开源版本标志着迈向生产就绪的重要一步。凭借新的核心包以及数百个集成和 LlamaPacks 现在作为单独的 PyPi 包提供，我们极大地改进了组织和版本跟踪。主要更新包括将 LlamaHub 重构为所有集成的中心枢纽，以及弃用 ServiceContext 以增强开发体验。博客，迁移指南。
  • 推出高级 RAG 开发短期课程：通过我们的系列课程掌握复杂的 RAG 系统，涵盖从非结构化数据到代理集成的所有内容。通过 LlamaIndex 查询管道学习，从基本文本到 SQL 再到高级查询技术，并在动手指导下构建可扩展的 RAG 应用。视频 1，视频 2。

您的创意是我们灵感的源泉！我们很高兴看到您充满热情的任何项目、文章或视频。请通过 news@llamaindex.ai 与我们分享您的杰出创意。还没有加入我们的新闻通讯？请务必在我们的网站上订阅，以将最新的 LlamaIndex 更新直接发送到您的收件箱。

🤩 重点内容：

  1. Self-RAG：推出 Self-RAG，现已作为 LlamaPack 加入 LlamaIndex。通过动态能力增强 LLM 训练和 RAG 工作流程。Notebook，推文。
  2. LlamaIndex + FlowiseAI 集成：将 LlamaIndex 与 FlowiseAI 无缝集成，轻松实现无需代码的 RAG 应用开发。文档，推文。
  3. MistralAI RAG 指南：MistralAI 的新文档包含了关于 LlamaIndex 的 RAG 指南。利用 Mistral-medium 增强 RAG 功能。文档。

✨ 特性发布与增强

  • 我们推出了 LlamaIndex 和 FlowiseAI 之间的无缝集成，通过拖放界面轻松实现高级 RAG 应用的无代码开发，快速集成聊天机器人或代理。文档，推文。
  • 我们引入了 Self-RAG，这是 Akari Asai 团队开发的动态检索工具，现已作为 LlamaPack 提供，易于集成，通过动态迭代功能增强 LLM 训练和 RAG 工作流程。Akari Asai’s team, now available as a LlamaPack for easy integration, enhancing LLM training and RAG workflows with dynamic, iterative capabilities. Notebook, Tweet.
  • 我们推出了 RAG CLI 工具，允许您使用设备上的语言模型嵌入搜索文件系统中的任何文件，该工具集成了 Mistral-7B 和 bge-m3 的强大功能，提供先进的可定制体验。文档，推文。
  • 我们使用 LlamaIndex 的 create-llama 命令推出了全栈代理服务器，只需一条 CLI 命令即可为任何代理项目提供 50 多种工具的即时访问。推文。
  • 我们在 LlamaIndex.TS 中引入了代理，通过函数调用和多文档处理等特性，支持用 TypeScript 进行高级 AI 软件开发。博客，文档，推文。
  • DeepEval 已与 LlamaIndex 集成，显著增强了 RAG 评估能力，并在 CI/CD 环境中引入了针对 LlamaIndex 应用的单元测试。文档。

🗺️ 指南

  • 指南：在 MistralAI 的新文档中使用 Mistral-medium 和 Mistral 嵌入模型进行 LlamaIndex RAG。
  • 指南：构建代理式 RAG 以实时整合用户反馈，通过人机协同方法增强复杂搜索。
  • 指南：集成 Huggingface 新的消息 API，兼容 OpenAI，简化推理端点和文本生成推理的集成过程。

✍️ 教程

  • Plaban Nayak 关于使用 LlamaIndex 构建高级 RAG 工作流程的查询管道的教程。
  • Krish Naik 关于使用 Llama2 和 LlamaIndex 构建 RAG LLM 应用的逐步教程。
  • HelixML 关于知识记忆的教程，通过微调 Mistral-7B 增强知识记忆，提供一种无需 RAG 限制即可跨上下文进行推理的新方法。
  • Wenqi Glantz 关于 NeMo Guardrails（终极开源 LLM 安全工具包）的教程。

🎥 网络研讨会：

  • Laurie 与 Ankit Khare (Rockset) 的网络研讨会深入探讨了 RAG 的要素——其目的、方法、LlamaIndex 如何促进它，以及 2024 年令人兴奋的发展。
  • 与 Zilong Wang 和 Tianyang Liu 关于使用 LLM 进行高级表格数据理解的网络研讨会。

🏢 致所有企业

您正在使用 LlamaIndex 进行构建吗？我们正努力使 LlamaIndex 更加企业就绪，并为合作伙伴提供即将推出的产品的预览。感兴趣吗？联系我们。

相关文章