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

©2025LlamaIndex

LlamaIndex • 2024-08-27

LlamaIndex 时事通讯 2024-08-27

Llama 爱好者们，你们好！🦙

欢迎阅读本周的 LlamaIndex 时事通讯！我们很高兴为您带来一系列更新，包括 LlamaCloud 中简化的 RAG 流水线优化、具有高级工作流能力的新版 LlamaIndex 0.11、用于结构化数据提取的最新版 create-Llama、我们在 O'Reilly Media 上的新 RAG 课程以及自动时事通讯生成工具。

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

温馨提示：请在六周后加入我们与 Pinecone 合作举办的第二届 RAG-a-thon！我们提供超过 7000 美元的现金奖品。我们期待看到您的作品！在此处查看更多详情：这里。

🤩 重点内容：

  • LlamaCloud 更新：通过轻松克隆索引、可视化文档分块以及减少 LlamaCloud 中的重新索引和存储效率低下问题，简化 RAG 流水线优化。博客文章，推文。
  • LlamaIndex 0.11 发布：引入 Workflows 增强功能性，核心软件包大小减少 42%，并全面支持 Pydantic V2，提升生产就绪性。推文。
  • Create-Llama 更新：发布 create-Llama v0.1.40，包含 'Structured Extractor'（结构化提取器）模板，可在 RAG 流水线中轻松生成结构化响应。博客文章，推文。
  • O'Reilly Media 上的 LlamaIndex RAG 课程：一个包含 8 个模块的 RAG 课程，涵盖 LlamaIndex 组件、RAG 系统评估、摄取流水线、可观测性、代理、多模态以及使用 LlamaParse 的高级 RAG。课程，推文。
  • 自动时事通讯生成工具：使用 LLMs 和 LlamaIndex.TS 的自动时事通讯生成工具，将时事通讯创建时间从数小时缩短至数分钟，该工具在一个部署在 Vercel 上的开源应用中展示。代码，推文。

🗺️ LlamaCloud 与 LlamaParse

  • LlamaCloud 通过轻松克隆索引、可视化文档分块效果以及减少重新索引开销和存储效率低下问题，简化 RAG 流水线优化。博客文章，推文。

✨ 框架

  1. 我们发布了 LlamaIndex 0.11，引入 Workflows 替代 Query Pipelines，将 llama-index-core 软件包大小减少 42%，并全面支持 Pydantic V2，提升其生产就绪性。博客文章，推文。
  2. 我们发布了 create-Llama v0.1.40，通过 'Structured Extractor'（结构化提取器）模板，让您在 RAG 流水线中轻松生成结构化响应，提供用户友好的体验。推文。
  3. Box 已与 LlamaIndex 集成，以改进企业数据提取，提供直接文本检索、AI 驱动的自定义提取和结构化数据处理工具。博客文章，推文。
  4. 我们发布了一个包含 8 个模块的 O'Reilly Media 课程，主题为检索增强生成 (Retrieval-Augmented Generation)，提供 2 小时的视频内容，探讨 LlamaIndex 组件、RAG 系统评估、摄取流水线、可观测性、代理、多模态以及 LlamaParse 的使用。课程，推文。

💻 用例

  • 自动时事通讯生成：Laurie 使用 LLMs 和 LlamaIndex.TS 创建了一个系统，将时事通讯撰写时间从数小时大幅缩短至数分钟，并在一个托管于 Vercel 的开源 Next.js 应用中进行了演示。代码，推文。

✍️ 社区

  • Lisa N. Cao 关于使用 LlamaIndex 和 Apache Gravitino 构建通用数据代理的教程。
  • Ravi Theja 关于使用内存和 Neo4j 图数据库实现 GraphRAG 的教程手册。手册 1，手册 2。
  • Pavan Nagula 关于使用 LlamaIndex 多代理系统和 Qdrant 改进 RAG 的教程。
  • Laurie 关于使用 LlamaIndex workflows 构建多策略 RAG 流水线的视频教程，内容包括结合各种 RAG 方法、实现查询改进和同步流程，并提供可视化技巧和策略见解。
  • David Bechberger 关于使用 LlamaIndex 和 Amazon Neptune 构建图数据库自然语言查询系统的教程，用于将问题转换为 openCypher 查询，执行查询，并使用 Amazon Bedrock 的 LLMs 优化查询性能。

🎤 活动

  • 加入我们参加 'LLMs in Production'（生产环境中的 LLMs）活动，这是由 Vessl AI 和 Pinecone 在旧金山举办的 AI 产品交流会，邀请了来自 Pinecone、Vessl AI、Gokoyeb、SnowflakeDB 和 LlamaIndex 的演讲者，共同讨论如何构建和部署高性能 LLMs 以及在生产环境中评估它们。