LlamaIndex • 2024-08-20

LlamaIndex 简报 2024-08-20

嗨，Llama 爱好者们！🦙

欢迎阅读本周的 LlamaIndex 简报！我们很高兴为您带来最新动态，包括多模态报告生成指南、经过改进的多代理礼宾工作流、用于高效数据管理的强大 Box 集成以及创新的事件驱动 RAG 模板。请查阅这些新进展以及我们的全面指南和教程，以最大程度地利用这些新功能。

如果您还没有试用 LlamaCloud，请务必注册并联系我们，讨论您的具体企业用例。

🤩 精彩内容：

多模态报告生成指南： 使用 LlamaParse 和 LlamaIndex 构建多代理系统，从复杂数据中生成结合文本和图像的详细报告。Notebook, Tweet。
多代理礼宾工作流： 使用 LlamaIndex 增强的工作流重新设计我们的财务礼宾系统，改进了循环、分支、调试和可视化。视频, Tweet。
事件驱动 RAG 模板： 使用我们的事件驱动工作流实现关键 RAG 论文中的技术——LongRAG、CorrectiveRAG、Self-Discover RAG——并增加了可视化和调试功能，可作为模板使用或进行定制开发。Tweet。
LlamaIndex 中的 Box 集成： 将新的 Box Reader 集成到 LlamaIndex 工作流中，可促进高效的数据提取和身份验证，从而增强 AI 应用程序。博客文章, Tweet。

使用 LlamaParse 和 LlamaIndex 工作流构建多模态报告生成代理的指南，用于开发一个多代理系统，该系统可从复杂数据源中生成包含文本和图像的详细报告。Notebook, Tweet。

三篇关键 RAG 和代理论文（LongRAG、CorrectiveRAG、Self-Discover RAG）的高级 RAG + 代理技术的事件驱动模板，使用我们的事件驱动工作流，包含可视化和调试功能，可作为模板或进行定制开发。Tweet。
我们已将 Box 文档通过新的 Box Reader 集成到 LlamaIndex 工作流中，从而实现高效的数据提取、身份验证和检索，用强大的、数据驱动的 AI 解决方案增强您的 LLM 应用程序。博客文章, Tweet。
将多代理礼宾系统作为工作流实现，使用 LlamaIndex 新的工作流抽象重新实现我们的财务礼宾系统，该抽象支持循环、分支、调试和自动可视化。视频, Tweet。

Dave Bechberger 的教程介绍了如何使用 LlamaIndex 和 Amazon Neptune 构建图数据库自然语言查询系统，将自然语言转换为 openCypher 查询并执行，以及如何使用 Amazon Bedrock 的 LLM 进行优化。
Ravi Theja 的视频教程介绍了如何使用工作流重建 JSONalyze Query Engine。
AI Planet Hub 的 BeyondLLM 将高级 RAG 流水线的开发简化到 5-7 行代码，具有自动检索、重排序和嵌入微调等功能。它集成了 Arize AI Phoenix，可进行全面的评估和可观测性。
Richmond Alake 的视频教程介绍了如何使用 Claude 3.5 Sonnet、LlamaIndex 和 MongoDB 实现 Agentic RAG。
Rajib Deb 的视频教程介绍了工作流，重点讲解了用于控制流的装饰器、事件驱动链和自定义编排步骤。
Tomaz Bratanic 的 Neo4j 教程演示了如何使用 Relik 框架进行信息提取，集成了 spaCy、Coreferee、LlamaIndex 和 Neo4j，用于实体链接、关系提取和基于图的问答。
Andrei 的视频教程讨论了 llama-agents，这是我们用于构建多代理系统的框架，重点关注生产用例。
Ravi Theja 的视频教程介绍了如何使用工作流重建我们的 Citation Query Engine。
Farzad Sunavala 的指南介绍了如何使用 LlamaIndex 工作流构建基于 Azure AI Search 和 Azure OpenAI 的 RAG 系统。
Benito Martin 的教程介绍了如何使用 Qdrant、LlamaIndex 和 Google Gemini 构建智能多模态食谱推荐器。