LlamaIndex 周报 2024-08-13

Llama 爱好者们大家好！🦙

欢迎阅读本周的 LlamaIndex 周报！我们很高兴与大家分享最新进展，包括 LlamaCloud 中的数据可观测性、多模态 RAG 实践指南、自动化报告生成以及 LlamaIndex 中集成约束采样等有趣功能。此外，还有来自社区的深度指南和教程等你来探索。

如果您还没有探索 LlamaCloud，请务必注册并联系我们，讨论您的特定企业用例。

🤩 重点内容：

1. LlamaCloud 中的数据可观测性：推出一项功能，用于观察文档分块并分析查询时跟踪，以完善 RAG 管道开发。推文。
2. 多模态 RAG 管道实践指南：发布了一系列实践指南，用于使用 LlamaParse 和高级模型构建适用于复杂文档的多模态 RAG 管道。Notebook1, Notebook2, Notebook3。
3. 自动化报告生成指南：一份新指南，介绍如何使用 Advanced RAG 和 LlamaParse 从复杂数据源生成结合文本和图像的详细报告。推文。
4. LlamaIndex 中的约束采样：将 OpenAI 的约束采样与 LlamaIndex 中的 strict=True 集成，确保 RAG 和代理流程遵循模式，提高精确度和可靠性。Notebook, 推文。

🗺️ LlamaCloud 和 LlamaParse

• 我们在 LlamaCloud 中推出了一项新的数据可观测性功能，通过观察文档分块和分析查询时跟踪来改进您的 RAG 管道开发。此功能支持即时实验，允许您测试问答对、识别检索问题、检查源文档分块并优化分块参数以获得更好的响应。推文。
• 我们发布了一系列关于为复杂文档（包括保险索赔、法律文件和产品手册）构建多模态 RAG 管道的实践指南，这些指南利用了 LlamaParse 和 GPT-4o、Sonnet 等高级模型。Notebook1, Notebook2, Notebook3。
• 使用 Advanced RAG 和 LlamaParse 从复杂数据源自动生成结合文本和图像的报告的指南，该指南介绍了为详细的多模态文档生成结构化输出。推文。
• Thierry Santos 开发了一个 CLI 工具，该工具由 LlamaParse 驱动，只需一个终端命令即可轻松将任何 PDF 转换为机器和 LLM 可读的 Markdown 格式。

✨ 框架

• 我们将 OpenAI 新的约束采样功能与 LlamaIndex 中的 strict=True 集成，以确保 RAG 和代理流程遵循模式，从而提高应用的精确性和可靠性。Notebook, 推文。
• 我们将 Mixture Of Agents 论文实现为一个完全异步、事件驱动的工作流，使每个“小型 LLM”能够独立并行处理和响应事件，从而实现高效的批量处理。LlamaPack, 推文。

✍️ 社区

• Laurie Voss 的视频教程展示了如何使用我们的工作流功能重建 LlamaIndex 的子问题查询引擎，重点介绍了分步实现、可视化以及 ReAct 代理的有效性。
• Laurie Voss 关于 LlamaIndex 中工作流的教程演示了如何创建、管理和调试复杂的代理应用，涵盖从基本设置到高级工作流可视化和错误处理的所有内容。
• ArizeAI 的视频教程演示了如何使用我们新的事件驱动工作流构建复杂的、循环的多代理系统，与传统的基于图的编程形成对比，并展示了其在复杂的代理通信和推理方面的优势。
• Michael Ryaboy 关于使用 Firecrawl 和 KDB.AI 构建更智能文档聊天机器人的教程。
• AnalyticsVidhya 关于将多代理构建为服务的教程，深入探讨了 llama-agents 的架构以及如何开发从简单到复杂的代理系统。
• Pavan Kumar 关于使用 LlamaIndex Agents 和 Qdrant 混合搜索构建更智能代理的教程。

🎤 网络研讨会

• 与 CodiumAI 联合创始人Dedy Kredo 进行的网络研讨会，主题为使用 LlamaIndex 进行大规模生成式编程的 RAG