LlamaIndex 新闻通讯 2025-01-21

大家好，Llama 粉丝们！🦙

欢迎阅读本周的 LlamaIndex 新闻通讯！我们很高兴分享令人兴奋的更新，包括对 AutoRAG 框架的深入了解以及增强知识图谱应用程序的策略。

🤩 亮点：

• 如果您错过了：上上周我们发布了一个新的多语言视觉嵌入模型：我们在 Huggingface 上开源了我们的视觉嵌入模型和训练集！主要特性包括
  • 在 5 种语言（意大利语、西班牙语、英语、法语、德语）上训练
  • token 减少 70% = 纯英文模型推理速度提高 3 倍
  • 用于灵活降维的 Matryoshka 表示学习
  • 完整训练集开源
  • 在此了解更多并查看模型集成。
• 介绍 AutoRAG 框架：AutoRAG 是一个用于优化您的 RAG 管道的框架。主要发现包括
  • 混合检索方法通常优于纯向量或 BM25 方法。
  • 查询扩展并非总是有效——上下文很重要。
  • 有些重排器性能可能比不重排更差——实施前请测试。
  • 在此阅读全文.
• 知识图谱的代理策略：通过将代理策略应用于 LlamaIndex 工作流，大幅提高您的知识图谱应用程序的准确性！主要见解包括
  • 使用 LlamaIndex 工作流实现 text2cypher 的代理策略。
  • 探索具有重试和自我纠正机制的多步骤方法。
  • 在此查看完整的客座文章.

🗺️ LlamaCloud 与 LlamaParse

• 构建 RAG 应用程序：了解如何使用 LlamaParse、LlamaCloud 和 AWS Bedrock 构建 RAG 应用程序。本指南涵盖
  • 使用 LlamaParse 高效解析文档。
  • 在 LlamaCloud 上管理索引。
  • 集成 AWS Bedrock 的嵌入模型和大型语言模型。
  • 在此查看.

✨ 框架

• 代理策略实现：了解如何使用 LlamaIndex 工作流实现 text2cypher 的代理策略。这篇综合文章涵盖
  • 错误检查、重试和纠正机制。
  • 迭代规划对于复杂查询的优势。
  • 在此阅读更多.
• AutoRAG 框架见解：探索 AutoRAG 框架，为您的 RAG 管道选择最佳配置。主要发现包括
  • 使用的评估技术和数据集。
  • 在此阅读全文.

✍️ 社区

• AI 旅游规划代理：使用 LlamaIndex 工作流和 SerpAPI，与 @clusteredbytes 一起从零开始构建一个旅游规划代理。在此查看。
• Women in AI RAG 黑客马拉松：参加在帕洛阿尔托举行的 Women in AI RAG 黑客马拉松，使用开源向量数据库探索 RAG。立即报名。
• 与 Memgraph 的网络研讨会回顾：了解 @memgraphdb 和 LlamaIndex 如何协同工作，构建代理图应用。在此阅读回顾或观看录像。
• Neomagus LLM x Law 黑客马拉松获胜者：了解 Neomagus 如何凭借验证 AI 生成法律信息的解决方案赢得黑客马拉松。在此阅读全文。

感谢您成为我们社区的一员！请继续关注更多更新，如有任何问题或反馈，请随时与我们联系。

愉快的 Llama 体验！🦙