LlamaIndex 是什么
LlamaIndex 是一个基于 LLM（大语言模型）的应用程序数据框架，适用于受益于上下文增强的场景。
这类 LLM 系统被称为 RAG（检索增强生成）系统。
LlamaIndex 提供了必要的抽象层，以便更容易地摄取、结构化和访问私有或特定领域的数据，从而安全可靠地将这些数据注入 LLM 中，以实现更准确的文本生成。
它支持 Python（本文档）和 TypeScript。
提示：更新到 LlamaIndex v0.10.0？请查看迁移指南。
🚀 为什么选择上下文增强？
LLM 为人类与数据之间提供自然语言接口。广泛可用的模型预先训练在大量公开数据上，如维基百科、邮件列表、教科书、源代码等。
然而，尽管 LLM 接受了大量的数据训练，但它们并未针对您的数据进行训练，而这些数据可能是私有的，或者与您试图解决的问题密切相关。它们可能隐藏在 API 中、存放在 SQL 数据库中，或者困在 PDF 和幻灯片中。
您可能会选择使用您的数据对 LLM 进行微调，但：
- 训练 LLM 成本高昂；
- 由于训练成本高，难以用最新信息更新 LLM；
- 观察性不足。当您向 LLM 提问时，无法明确得知 LLM 如何得出答案。
作为替代方案，可以采用名为检索增强生成（RAG）的上下文增强模式，以获得与您的特定数据相关的更准确文本生成。RAG 包括以下高级步骤：
- 首先从您的数据源检索信息；
- 将这些信息添加到问题中作为上下文；
- 请求 LLM 根据丰富后的提示回答问题。
通过这种方式，RAG 克服了微调方法的三个弱点：
- 不涉及训练，因此成本低廉；
- 数据仅在请求时抓取，始终保持最新；
- LlamaIndex 可以显示检索到的文档，从而更具可信度。
🦙 为何选择 LlamaIndex 进行上下文增强？
首先，LlamaIndex 并不限制您如何使用 LLM。您仍然可以将其用作自动补全、聊天机器人、半自主代理等（参见左侧的使用案例）。它只是让 LLM 更贴近您的需求。
LlamaIndex 提供以下工具，帮助您快速构建生产级 RAG 系统：
- 数据连接器：从原生来源和格式摄取现有数据，如 APIs、PDF、SQL 等；
- 数据索引：将您的数据结构化为易于 LLM 消耗且性能优异的中间表示形式；
- 引擎：提供对您数据的自然语言访问，例如：
- 查询引擎：强大的检索界面，用于知识增强输出；
- 聊天引擎：对话式接口，用于与数据进行多消息、“来回”交互；
- 数据代理：由工具（从简单辅助函数到 API 集成等）增强的 LLM 动力知识工作者；
- 应用集成：将 LlamaIndex 与您的生态系统其余部分（如 LangChain、Flask、Docker、ChatGPT 或任何其他工具）紧密关联。
👨👩👧👦 LlamaIndex 适合哪些人群？
LlamaIndex 为初学者、高级用户以及介于两者之间的所有人提供工具。
- 初学者：通过高级 API，初学者只需用 5 行代码即可使用 LlamaIndex 摄取和查询其数据；
- 高级用户：对于复杂应用，我们的低级 API 允许高级用户自定义和扩展任何模块（数据连接器、索引、检索器、查询引擎、重排序模块），以满足其特定需求。
开始使用
要安装库，请运行：
pip install llama-index我们建议从如何阅读这些文档开始，它会根据您的经验水平引导您找到正确的位置。
🗺️ 生态系统
您可以在以下平台找到、下载或贡献 LlamaIndex：
社区
需要帮助？有功能建议？加入 LlamaIndex 社区：
关联项目
- 🏡 LlamaHub | 一个大型（且不断增长）的自定义数据连接器集合
- SEC Insights | 一个由 LlamaIndex 提供支持的金融研究应用程序
- create-llama | 一个 CLI 工具，快速为 LlamaIndex 项目搭建脚手架
Video：AI 新世代
Tool：Llama3 在线、Gemma在线、ChatAIonline
Ref：https://docs.llamaindex.ai/en/stable/
