LlamaIndex
Daten-Framework zum Verbinden großer Sprachmodelle mit deinen eigenen Daten – Dokumenten, Datenbanken, APIs – für Retrieval-Augmented-Anwendungen.
Überblick
LlamaIndex konzentriert sich auf die Datenseite von LLM-Anwendungen: Dokumente und strukturierte Daten aufnehmen, sie für effizienten Abruf indexieren und diesen Index mit einem LLM verbinden, damit es Fragen beantworten kann, die in deinen eigenen Daten verankert sind, statt nur in seinen Trainingsdaten. Es unterstützt von Haus aus eine breite Palette an Datenkonnektoren und Indexierungsstrategien.
LlamaIndex eignet sich für Teams, die Anwendungen bauen, bei denen es das Kernproblem ist, ein LLM über private oder domänenspezifische Daten schlussfolgern zu lassen – als Ergänzung zu LangChain (ebenfalls in diesem Katalog): Beide werden häufig zusammen genutzt, wobei LlamaIndex Datenaufnahme und -abruf übernimmt und LangChain die breitere Anwendungsorchestrierung.
- Kategorien
- KI & Machine Learning
- Schlagwörter
- ragdata-frameworkllm-frameworkretrieval
- Sprachen
- Python
- Lizenz
- MIT
Ähnliche Projekte
Haystack
Apache-2.0Quelloffenes Framework zum Bau produktionsreifer Such- und RAG-(Retrieval-Augmented-Generation-)Anwendungen mit LLMs.
- KI & Machine Learning
Docling
MITDokumentenparsing-Bibliothek, die PDFs, Word-Dokumente und andere Formate in saubere, strukturierte Daten für LLM- und RAG-Pipelines umwandelt.
- KI & Machine Learning
Instructor
MITBibliothek, um zuverlässige, strukturierte Datenausgaben von LLMs mittels Function-Calling-APIs und Pydantic-Modellen zur Validierung zu erhalten.
- KI & Machine Learning
LangChain
MITFramework zur Entwicklung von Anwendungen auf Basis großer Sprachmodelle, Agenten und Retrieval-Augmented Generation (RAG).
- KI & Machine Learning
Einen Fehler entdeckt? Änderung auf GitHub vorschlagen.