LlamaIndex 2024-01-09 新闻稿

Hola，LlamaIndex 爱好者 🦙，

欢迎来到 LlamaIndex 另一个激动人心的一周，充满了社区的活跃贡献和丰富的教育内容。沉浸在我们引人入胜的教程、指南、社区演示和网络研讨会中，所有这些都旨在增强您的 LlamaIndex 体验。在我们进入最新更新之前，我们很高兴分享两个重大公告

🧑‍🏫 加入我们的 LlamaIndex 社区办公时间：在处理复杂的 LLM/RAG 查询时遇到困难，或者有我们的文档未涵盖的反馈？注册参加我们的社区办公时间，有机会进行富有启发性的对话并获得问题解答！

🗺️ 探索我们的 2024 年开源路线图：我们很高兴公布我们针对 LlamaIndex 生态系统的宏大路线图。在接下来的 3-6 个月里，我们旨在增强 LlamaIndex 的生产就绪性、可访问性及其高级功能，包括 RAG、代理等。这份动态文档可在我们的 GitHub 讨论页面上找到 — 务必访问以成为我们激动人心旅程的一部分！

此外，如果您正在进行有趣的项目，撰写了富有见地的文章，或创作了引人入胜的视频，我们很想听听！请通过 news@llamaindex.ai 与我们分享您的作品。并且记得通过我们的网站订阅我们的新闻稿，将所有这些令人兴奋的更新直接发送到您的收件箱

🤩 亮点：

1. 查询管道 (Query Pipelines)：引入新的声明性 API，轻松编排从简单到复杂的 RAG 查询工作流。文档，博文，推文。
2. ETL 管道发布：新的存储库，用于在 RAG/LLM 应用中设置生产 ETL 管道，速度提升 4 倍，并集成了 Hugging Face、RabbitMQ 和 AWS EKS。Github 仓库，博文，推文。
3. 多模态 ReAct 代理：发布一个能够处理文本和图像的代理，使用 GPT-4V 增强 RAG 管道和网络搜索功能。Notebook，推文。
4. RAGatouille LlamaPack：引入一个易于使用的 ColBERT 检索工具包，可在 LlamaIndex RAG 管道中实现一行代码集成。文档，推文。
5. 高级 RAG 速查表：一份包含 RAG 增强技术的综合速查表，非常适合 LLM 新手和有经验的用户。

✨ 功能发布和增强

• 我们引入了查询管道 (Query Pipelines)，这是一个声明性 API，旨在简化高级 RAG 工作流的创建和定制。这个工具可以编排查询工作流，从基本的顺序链到复杂的 DAG，根据特定用例进行定制。文档，博文，推文。
• 我们发布了一个存储库，用于轻松设置 RAG/LLM 应用的生产 ETL 管道，与基于笔记本电脑的操作相比，速度提高了 4 倍。该解决方案集成了 Hugging Face、RabbitMQ、Llama Index 和 AWS EKS，提供快速的文档索引和高效的数据处理，并带有 AWS Lambda API 端点。非常适合正在过渡到生产环境的 RAG 应用，特别是在 AWS 上。Github 仓库，博文，推文。
• 我们发布了多模态 ReAct 代理，将 GPT-4V 与处理文本和图像的能力相结合。该代理可以根据视觉和文本输入执行任务，例如查询 RAG 管道或进行网络搜索。Notebook，推文。
• RAGatouille LlamaPack：RAGatouille 简化了 ColBERT 的使用，ColBERT 是一种比基于密集嵌入的检索技术更高级的检索模型。通过使用我们 150 多种数据加载器中的任何一种来摄取文档，并结合您首选的 LLM 进行响应合成，这个工具包只需一行代码即可构建端到端的 LlamaIndex RAG 管道。文档，推文。
• 我们集成了 Pathway 的开放数据处理框架，这使我们能够在生产环境中处理动态数据源，根据实时变化自动更新索引，确保查询响应是最新的且准确的。文档，推文。
• Ian McCrystal 已将 StripeDocsLoader 添加到 LlamaHub，可以使用 Llama Index 快速设置基于 Stripe 文档的 RAG。文档。
• Jeremy Dyer 集成了 NVIDIA 的 Triton Inference Server，它允许在任何 AI 框架上运行优化推理。它支持 TensorRT-LLM 后端，增强了 LLM 在 Nvidia GPU 上的性能。Notebook，推文。

👀 社区演示:

• 用于食品配送的上下文增强代理：lucastonon 提供的一个全栈应用指南，用于创建 RAG 代理。该工具纯粹通过语音命令执行浏览器内任务，例如打开餐厅页面和将食物添加到购物车，并集成了 Llama Index、Pinecone、OpenAI 的 Whisper、LLM、Function Calling、vue.js 和 FastAPI。Github 仓库，推文。
• GRDN.AI：Danielle Heymann 的一个有趣的项目，使用遗传算法和 LLM 根据兼容性优化植物放置。该项目利用了 HuggingFace 的本地模型，通过 LlamaIndex 访问 LLM 部分，将传统数学策略与 LLM 结合起来。博文，推文。
• 使用 RAG 和代理构建 AI 购物助手：此助手可以分析物品图片并建议适合天气的配饰。Tryolabs 的 D. Kiedanski 和 Lucas Micol 的这项工作解释了如何将 API 转换为 LlamaIndex 代理的问题解决工具。

🗺️ 指南

• 高级 RAG 指南：我们的综合速查表提供了关于使用优化检索、生成中有效利用文档以及生成与检索交织等技术来改进 RAG 的见解。它非常适合 LLM 新手和经验丰富的用户，是必备资源，附带 LlamaIndex 链接。
• 使用 NVIDIA TensorRT-LLM 构建高级 RAG 聊天机器人指南：此聊天机器人旨在保持文档或代码块的连续性，避免尴尬的块划分。它采用了结合 Llama Index 的自动合并检索器、NVIDIA 的 TensorRT-LLM 和定制后处理器的堆栈，并针对使用开源模型的 RAG 进行了优化。

✍️ 教程

• BentoML 教程：使用 LlamaIndex 和 OpenLLM 构建智能问答系统。
• Akash Mathur 关于高级 RAG 的教程：使用 LlamaIndex 通过附加上下文和元数据优化检索。

🎥 网络研讨会：

• Weights & Biases 与 Jerry Liu 的播客：彻底改变 AI 数据管理。

🏢 致所有企业

您正在使用 LlamaIndex 构建应用吗？我们正努力使 LlamaIndex 更加适应企业需求，并为合作伙伴提供即将推出产品的预览。感兴趣？联系我们。