-
用 LlamaIndex 让 AI 读懂你的 Excel：三种方案详解
❝企业 80% 的数据藏在 Excel 里。如何让大模型真正"读懂"这些表格数据？本文基于 LlamaIndex 0.14.19 源码，拆解 Excel 索引建立的完整机制。❞为什么 Excel 对 RAG 来说很棘手？做 RAG（检索增强生成）时，PDF、Word 这类文档本质是"一段段文字"，切分起来相对自然。但 Excel 不一样——它是「结构化的二维…- 0
- 0
-
LlamaIndex 开发多智能体 Agents 入门基础
当场景复杂、涉及多模块功能时，单智能体难以满足需求，此时需构建多智能体系统：为特定领域任务创建专门智能体，让每个智能体各司其职，共同解决复杂问题。后续将逐步拆解其开发要点。接下来，我们将逐步拆解 LlamaIndex 多智能体的开发流程，帮助大家系统掌握从需求分析到落地实现的完整方法。开发步骤如下：1、安装与环境导包所需的包。pip install -U llama-…- 0
- 0
-
LlamaIndex 开发智能体 Agents 要点解析
一、核心概念解析1.1 LlamaIndex框架概述LlamaIndex是一个强大的数据框架，专为构建基于大型语言模型（LLM）的应用程序而设计。它提供了从数据摄取、索引构建到查询执行的全套工具，特别适合构建智能代理系统。核心组件包括：数据连接器（Data Connectors）：用于从各种数据源（如PDF、文档、数据库等）读取数据数据索引（Data Indexes）：将数据转换为结构化格式，便于…- 0
- 0
-
LlamaIndex 是什么？普通人也能用它构建 AI 应用？
LlamaIndex 是什么？普通人也能用它构建 AI 应用？如果大语言模型是“聪明的大脑”，那它缺的正是“记忆力”和“资料库”——LlamaIndex 就是给它安装“图书馆”！📚 一、从“健忘的 ChatGPT”说起你有没有发现，平时用 ChatGPT 时，它的回答虽然“像模像样”，却经常不太靠谱？比如你上传一份企业手册，问它：“这份手册第 15 页提到的客户规则是什么？”它却开始一本正经地“胡…- 0
- 0
-
手把手教你用 LlamaIndex 构建专属AI问答系统（新手友好版）
想让 ChatGPT 不再“答非所问”？想打造属于你自己的 AI 助理，读懂你的资料？本文手把手带你用 LlamaIndex 构建一个“可读PDF/Word文件”的问答系统，无需大模型训练，不用写一堆代码，新手也能搞定！🔧 一、你将搭建一个什么系统？我们要搭的，是这样一个 AI 应用：📝 你上传一份文档（比如《员工手册》或《产品说明书》）💬 然后你就可以对它提问，比如：“试用期…- 0
- 0
-
LlamaIndex 开发大模型 Agent Workflow攻略
一、背景开发AI大模型Agent一般有两个老牌开发框架 LangGraph和LlamaIndex 。俩者各有优缺点，我选择LlamaIndex框架,原因有以下几点：RAG开发使用LlamaIndex，那么开发Agent可以很容易将RAG功能融合；LlamaIndex开发Agent的门槛很低，可快速上手。LlamaIndex的工作流足够的强大；官方文档很详细；二、基本信息1、概述AI Agent是L…- 0
- 0
-
llamaindex发布Workflows1.0轻量级编排框架
llamaindex 最新发布Workflows 1.0轻量级编排框架，不用依赖llamindex本身。创建事件驱动型自定义代理工作流的方法。框架的主要特点async-first ：工作流围绕 python 的 async 函数功能构建处理来自 asyncio 队列的传入事件,并将新事件发射到其他队列。这也意味着工作流在您的异步应用程序中效果最好,如FastAPI,Jupyter Not…- 0
- 0
-
Dify、n8n、Coze、Fastgpt、Ragflow到底该怎么选？超详细指南～
但是几乎每一篇文章都有小伙伴问，xxx平台和xxx平台比怎么样，该怎么选？这不就来了嘛，三连在看，养成习惯～确实，面对日新月异的AI技术，还有飞速发展的各种LLM平台，我们很容易患上选择困难症但我想说的是，每个平台各有优势，需要根据自身需求，选择合适的即可。这篇文章会从实用角度出发，通过详细的功能对比、真实的使用体验和具体的应用场景，帮助你在Dify、Coze、n8n、FastGPT和RAGFlo…- 0
- 0
-
19-LlamaIndexRAG进阶-文档切分与重排序
https://docs.llamaindex.ai/en/stable/examples/data_connectors/simple_directory_reader/文档解析方案 什么是文档解析？就像把不同文档做不同的处理：PDF文件 → 专用工具打开Word文档 → 文本处理，可能包含复杂的表格或者格式扫描件/图片 …- 0
- 0
-
LlamaIndex入门指南和RAG原理
一、什么是LlamaIndex LlamaIndex 是一个用于LLM 应用程序的数据框架，用于注入，结构化，并访问私有或特定领域数据，专门为 大语言模型（LLM） 提供 外部数据接入 的能力。简单说：它可以把你自己的文件、数据库、网页等数据，喂给大语言模型，让它变聪明！LlamaIndex 由 Jerry Liu (Twitter: @jerryjliu0) 联合创办，并担任CEO。1…- 0
- 0
-
TypeScript版LlamaIndex来袭！用Agentic RAG构建智能AI代理，效率与隐私双提升！
想象一下，有一个私人研究助手不仅能理解你的问题，还能智能地决定如何找到答案。对于某些问题，它会深入你的文档库中查找答案，而对于其他问题，它则会生成富有创意的回应。这听起来是不是很酷？其实，这一切都可以通过使用 Agentic RAG（检索增强型生成） 和 LlamaIndex TypeScript 系统来实现。无论你是想创建一个文献分析系统、技术文档助手，还…- 0
- 0
-
首发完整版教程，MCP 集成至 LlamaIndex 的技术实践
▌一、前言本文主要介绍了如何将 MCP（Model Context Protocol，模型上下文协议）工具转换为可以直接使用的 LlamaIndex 工具，使 LlamaIndex 用户能像使用 Claude, Cursor 等现代 AI 应用一样无缝集成这些服务。▌二、技术背景2.1 什么是 MCP 协议 ？MCP（模型上下文协议，https://modelcontextprotocol.io）…- 0
- 0
-
对于初学者，该如何选择 LlamaIndex 与 LangChain ？
↓推荐关注↓ 对于初学者，该选择那种大模型框架：LlamaIndex 和 LangChain，需要考虑以下内容： 设置和安装 LlamaIndex 安装： pip install llama-index 很少的依赖项使得上手变得更简单，而无需进行大量配置。 易于遵循的设置步骤，包括生成索引和加载数据。 # Example Codefrom llama_index import LlamaIndex…- 0
- 0
-
LlamaIndex团队技术演讲: 如何构建和改进一个能处理复杂文档和查询的RAG知识助手？
LlamaIndex Talk (Data + AI Summit 2024)上关于构建高级RAG（Retrieval-Augmented Generation，检索增强生成）系统的演讲。演讲标题： Building Advanced RAG Over Complex Documents演讲内容： 如何构建和改进一个能够处理复杂文档和查询的知识助手，重点在于数据质量的提升和查询复杂性的增加，以及如…- 0
- 0
-
LlamaIndex是如何进行RAG的？
RAG 的全称是 Retrieval Augmented Generation，也就是“检索增强生成”。LLM 接受过大量数据的训练，但这些训练数据中不包括你的数据。RAG 通过将你的数据添加到 LLM 已经有权访问的数据中来解决这个问题。在 RAG 中，你的数据已加载并准备好用于查询或索引。用户查询作用于索引，索引将数据过滤到最相关的上下文。然后，此上下文和你的查询连同提示一起转到 LLM，LL…- 0
- 0
-
LlamaIndex ：企业级知识助理，万物可知
在 1 月 9 号，LlamaIndex 推出了自己新架构，引入了代理文档工作流 (ADW)，从官网的结论和 case 来说，它超越了检索增强生成 (RAG) 流程并提高了代理的工作效率。 随着编排框架的不断改进，这种方法可以为组织提供增强代理决策能力的选择。 LlamaIndex 表示，ADW 可以帮助代理管理超越简单提取或匹配的…- 0
- 0
-
深入了解 LlamaIndex 工作流程：事件驱动的 LLM 架构
实践后的进展与不足最近，LlamaIndex 在其某个版本中引入了一个新功能，称为 Workflow，为 LLM 应用提供了事件驱动和逻辑解耦的能力。在今天的文章中，我们将通过一个实际的迷你项目深入探讨这个功能，探索新内容和仍然不足之处。让我们开始吧。引言为什么选择事件驱动？越来越多的 LLM 应用程序正在转向智能代理架构，期望 LLM 通过调用不同的 API 或多次迭代调用来满足用户请…- 0
- 0
-
LlamaIndex工作流详解：提升数据处理效率的关键
LlamaIndex作为一个强大的框架，为构建与大型语言模型（LLM）连接的数据管道提供了坚实的基础。它通过结构化工作流（workflows）的方式，实现了查询执行的模块化方法，从而简化了复杂问题的解决方案。今天我们一起聊一下LlamaIndex的workflows。一、LlamaIndex工作流基础1.1 工作流定义工作流（Workflow）是事件驱动、基于步骤的应用执行流程控制方式。它由多个步…- 0
- 0
-
llamaindex实战-ChatEngine-Context（上下文）模式
概述ContextChatEngine 类是一个上下文聊天引擎，目的是：通过检索聊天的上下文信息、设置系统提示使用语言模型（LLM）生成响应，从而提供流畅的聊天体验。它是一种简单的聊天模式，构建在数据检索器（retriever）之上。对于每个聊天交互：首先使用用户消息从索引中检索文本将检索到的文本设置为系统提示中的上下文返回用户消息的答案这种方法很简单，适用于与知识库和一般交互直接相关的问题。实现…- 0
- 0
-
LlamaIndex，让AI唤醒你的数据
今天继续介绍个“轮子”。在这个信息爆炸的时代，数据不再是稀缺资源，而是像空气一样无处不在。然而，数据本身并不等于智慧。我们就像是在海洋中浮沉的船只，四周是无尽的水域，而只有掌握航向的指南针，才能带我们到达目的地。这个“指南针”，或许就是LlamaIndex。1. 回顾过去十年的技术变革，我们早已走进了数据的黄金时代。几乎所有的企业，都意识到数据的重要性，甚至在一些领域，数据被视为新的“石…- 0
- 0
-
llamaindex实战-Agent-自定义工具函数
概述本文介绍如何使用llamaindex来编写自己的Agent处理函数。注意，本文都是使用本地部署的ollama支持的LLM来进行实战，而不是远程调用OpenAI的接口。本文要实现的是：把输出的内容保存到一个pdf文件中，然后停止整个过程。实现步骤：（1）定义Agent函数：定义一个常规的函数，可以用来实现你要实现的任何功能。（2）通过FunctionTool对函数进行封装：要注意封装后的函数名，…- 0
- 0
-
llamaindex实战-Agent-让Agent调用多个工具函数(本地部署)
概述本文介绍如何通过llamaindex的Agent来调用多个自定义的Agent工具函数。同以上系列文章一样，本文不使用openai的接口，完全使用本地大模型来完成整个功能。本文要实现的是：本文要实现的功能非常简单，就是把大模型的回答保存到pdf文件，同时还要保存到数据库（不实际保存，只是调用对应的函数和打印而已）。运行环境我的环境是一台虚拟机，CPU，配置如下：cpu类型: x86核数：16核内…- 0
- 0
-
llamaindex实战-Workflow:工作流入门（本地部署断网运行）
介绍本文介绍llamaindex的工作流的使用。这是一个简单的例子，可以在这个例子的基础上进行修改和创建自己的工作流。本文的测试使用本地大模型llama3.2（通过ollama可以很容易替换成其他本地模型）和ollama框架，不需要访问openai的接口，这样就可以私有化部署运行。代码逻辑（1）通过Ollama来指定本地大模型，我这里指定的是llama3.2；（2）需要安装asyncio，异步调用…- 0
- 0
-
llamaindex实战-Agent-在Agent中使用RAG查询(本地部署)
llamaindex实战-Agent-在Agent中使用RAG查询(本地部署)概述本文说明如何在Agent中加入RAG查询引擎，这样就可以在Agent中使用外部的知识库，从而让Agent可以进行外部知识库中数据的查询，让Agent更加强大。这种模式在很多场景下都很有用，比如：我们很多时候需要先查询或计算某个指标后，若数据或指标符合某个条件时，再通过工具函数来进行处理。该文的实验是通过llamain…- 0
- 0
扫码打开当前页
联系我们
-
￥优惠劵使用时效：无法使用使用时效：
之前
使用时效：永久有效优惠劵ID：×