LlamaIndex
Framework de datos para conectar grandes modelos de lenguaje con tus propios datos —documentos, bases de datos, APIs— para aplicaciones de generación aumentada por recuperación.
- Mantenimiento activo
- Bien documentado
- Licencia permisiva
Descripción general
LlamaIndex se centra en el lado de datos de las aplicaciones LLM: ingerir documentos y datos estructurados, indexarlos para una recuperación eficiente y conectar ese índice a un LLM para que pueda responder preguntas basándose en tus propios datos y no solo en sus datos de entrenamiento. Admite una amplia gama de conectores de datos y estrategias de indexación de fábrica.
LlamaIndex encaja en equipos que construyen aplicaciones donde hacer que un LLM razone sobre datos privados o específicos de un dominio es el problema central, complementando a LangChain (también en este catálogo): ambos se usan habitualmente juntos, con LlamaIndex gestionando la ingesta y recuperación de datos y LangChain la orquestación más amplia de la aplicación.
Por qué está en este catálogo
Valoración del catálogo: ★★★☆☆ (3/5)
Leading data-framework for LLM/RAG applications, meaningful overlap with LangChain.
- Fundacional
- Respaldado por un proveedor
- Categorías
- IA y Machine Learning
- Palabras clave
- ragdata-frameworkllm-frameworkretrieval
- Lenguajes
- Python
- Licencia
- MIT
Proyectos relacionados
Haystack
Apache-2.0Framework de código abierto para construir aplicaciones de búsqueda y RAG (generación aumentada por recuperación) listas para producción con LLMs.
Mantenimiento activo
- IA y Machine Learning
LangChain
MITFramework para desarrollar aplicaciones impulsadas por modelos de lenguaje grandes, agentes y generación aumentada por recuperación (RAG).
Mantenimiento activo
- IA y Machine Learning
Semantic Kernel
MITSDK de código abierto de Microsoft para integrar grandes modelos de lenguaje en aplicaciones, con soporte para plugins, memoria y planificación.
Mantenimiento activo
- IA y Machine Learning
Instructor
MITBiblioteca para obtener salidas de datos estructurados y fiables de LLMs usando APIs de function calling y modelos Pydantic para la validación.
Mantenimiento activo
- IA y Machine Learning
¿Encontraste un error? Sugiere una edición en GitHub.