LlamaIndex • 2024-06-11

LlamaIndex 新闻通讯 2024-06-11

Llama 粉丝们🦙，你好！

欢迎阅读本周的 LlamaIndex 新闻通讯，我们为您带来了一系列令人兴奋的更新、深度指南、演示、丰富的教育教程和网络研讨会，旨在提升您对我们平台和工具的使用体验和理解。

🤩 本周亮点：

增强的记忆模块：LlamaIndex 中新增的记忆模块通过引入用于消息存储和检索的 Vector Memory（向量记忆）以及用于集成多种记忆源的 Simple Composable Memory（简单组合记忆），提升了代理 RAG 能力。Notebook1, Notebook2, Tweet。
Create-llama 和 E2B 集成： 推出的集成将代理转变为高级数据分析师，使代理能够编写 Python 代码进行数据分析并生成图表图像等详细文件。Tweet。
LlamaParse 和知识图谱： 关于将 LlamaParse 与知识图谱集成以开发 RAG 流水线和用于处理复杂查询的代理的指南。
Prometheus-2 RAG 评估： 关于使用 Prometheus-2 的指南，Prometheus-2 是一种基于 Mistral 模型、经济透明的 LLM，用于根据定制标准有效评估 RAG 应用。
代理 RAG： 关于代理 RAG 的视频教程，内容涵盖记忆、规划和推理，旨在增强知识检索和代理能力。

我们在 LlamaIndex 中引入了新的记忆模块，用于增强代理 RAG 能力。Vector Memory 模块支持使用向量搜索存储和检索用户消息，而 Simple Composable Memory 模块允许集成多个记忆源。Notebook1, Notebook2, Tweet。
我们推出了 Create-llama 与 E2B 沙盒的集成，将代理转变为强大的数据分析师。这项新功能允许代理编写 Python 代码进行数据分析，并返回图表图像等完整文件，扩展了代理的能力范围。Tweet。
我们推出了与 Nomic-Embed-Vision 的集成，将 Nomic-Embed-Text 转化为多模态嵌入，在处理图像、文本和组合任务方面表现出色，性能优于 OpenAI CLIP，并向所有人开放。Notebook。

将 LlamaParse 与知识图谱集成以开发用于高级查询检索的 RAG 流水线，并创建一个能够有效回答复杂查询的代理的指南。
使用 Prometheus-2 进行 RAG 评估的指南，Prometheus-2 基于 Mistral 基础模型构建，提供经济透明的评估解决方案，能够进行直接评估、配对排名和定制标准，确保与人工判断一致。
RAG 中查询重写的三个形式的指南，使用子问题分解、HyDE (用于使问题与嵌入语义对齐) 以及回退提示词等技术增强 RAG 流水线，从而更有效地处理复杂查询。

Laurie Voss 的 LLM 驱动的文件整理项目，该项目根据 LLM 决定的类别将文件分类到文件夹中，同时不重命名文件，确保重要文件名保持不变。它分多次整理文件以平衡文件夹大小，生成既具描述性又实用的文件夹名称，帮助您轻松找到文件。

Laurie Voss 的视频教程，关于如何从基础 RAG 过渡到完全代理式知识检索，包含涵盖路由、记忆、规划、工具使用以及 Chain of Thought 和 Tree of Thought 等高级代理推理方法的真实世界代码示例，并深入探讨了可观测性、可控性和可定制性。
Prince krampah 的教程，关于代理 RAG 系统，提供了关于高级系统构建的全面见解，详细解释了路由器查询引擎、函数调用以及处理复杂文档时的多步推理。
kingzzm 的教程，关于 RAG 中查询重写的三个形式，使用子问题分解、HyDE (用于使问题与嵌入语义对齐) 以及回退提示词等技术增强 RAG 流水线，从而更有效地处理复杂查询。
Rajdeep Borgohain 的教程，构建客户支持语音机器人，包含语音转文本和文本转语音等高级功能，并集成到 RAG 流水线中，使用 Inferless、LlamaIndex、faster-whisper、Piper 和 Pinecone 高效处理客户支持交流。
Pavan Mantha 的教程，关于使用 Azure 保护 RAG 应用的应用安全，内容包括身份管理、安全密钥存储和托管式 Qdrant。

加入我们的网络研讨会，与来自 Neo4j 的 Tomaz Bratanic 一起深入探讨 LlamaIndex 属性图的高级和低级图构建、检索以及知识图谱代理。