Framework de Python para crear aplicaciones y agentes basados en LLM, con interfaces estándar para modelos, embeddings, almacenes vectoriales e integraciones de terceros.
148,1 mil24,9 milPythonMITActualizado hace 4 horas
run-llama/llama_index
Framework de Python para crear aplicaciones de RAG, agentes y procesamiento de documentos que conectan LLM con tus propios datos.
- Estrellas
- 52,578
- Forks
- 8,387
- Issues abiertos
- 997
- Último commit
- hace 6 horas
¿Qué es?
LlamaIndex es un framework de Python de código abierto para crear aplicaciones con LLM sobre tus propios datos. Ofrece conectores de datos que incorporan archivos, API y bases de datos; estructuras de indexación, como almacenes vectoriales y grafos, que organizan esos datos para recuperarlos; e interfaces de consulta que proporcionan el contexto recuperado a un LLM para generar respuestas fundamentadas.
El paquete principal, llama-index-core, se amplía con un amplio conjunto de paquetes de integración para proveedores de LLM, modelos de embeddings y almacenes vectoriales. Puedes empezar con el paquete llama-index, que incluye todo lo necesario, o instalar solo las integraciones que necesites. Las API de alto nivel permiten que quienes empiezan creen un índice vectorial y hagan consultas con unas pocas líneas, mientras que los componentes de nivel más bajo, como los retrievers, los motores de consulta y los rerankers, se pueden personalizar.
El proyecto también incluye herramientas para agentes y flujos de trabajo destinadas a aplicaciones de varios pasos. Sus responsables han reorientado su enfoque comercial hacia LlamaParse, una plataforma alojada de análisis y extracción de documentos que se puede usar junto con este framework o de forma independiente.
Funciones clave
- 01Conectores de datos para incorporar archivos, API, bases de datos y otras fuentes.
- 02Almacenes vectoriales, grafos y otras estructuras de índice para organizar datos y recuperarlos.
- 03Motores de consulta y retrievers que proporcionan el contexto recuperado a un LLM.
- 04Núcleo modular con más de 300 paquetes de integración para LLM, embeddings y almacenes vectoriales.
- 05Herramientas para agentes y flujos de trabajo destinados a aplicaciones de varios pasos.
- 06Persistencia de índices en disco para volver a cargarlos sin tener que crearlos de nuevo.
Casos de uso
- Crear un chatbot de preguntas y respuestas sobre documentos internos de una empresa.
- Prototipar un pipeline de RAG que permita alternar entre distintos proveedores de LLM y almacenes vectoriales.
- Crear agentes que usen herramientas y razonen sobre fuentes de datos privadas.
- Indexar archivos PDF, páginas web o bases de datos para hacer búsquedas semánticas con un LLM.
Inicio rápido
- 1
Instala el paquete inicial
pip install llama-index - 2
Crea un índice vectorial de tus documentos con una clave de OpenAI configurada
- 3
Haz una consulta al índice
query_engine = index.as_query_engine()
Antes de usarlo
- El README indica que la empresa ahora se centra principalmente en LlamaParse, por lo que presta menos atención al framework de código abierto.
- Los ejemplos predeterminados llaman a API de LLM alojadas de pago, como OpenAI, a menos que configures un modelo local como Ollama.
Temas
Preguntas frecuentes
- ¿Qué es llama_index?
- Framework de Python para crear aplicaciones de RAG, agentes y procesamiento de documentos que conectan LLM con tus propios datos. LlamaIndex es un framework de Python de código abierto para crear aplicaciones con LLM sobre tus propios datos. Ofrece conectores de datos que incorporan archivos, API y bases de datos; estructuras de indexación, como almacenes vectoriales y grafos, que organizan esos datos para recuperarlos; e interfaces de consulta que proporcionan el contexto recuperado a un LLM para generar respuestas fundamentadas.
- ¿llama_index es gratuito? ¿Qué licencia tiene?
- llama_index es open source bajo la licencia MIT. Revisa los términos de la licencia antes de usarlo en productos comerciales.
- ¿llama_index sigue mantenido?
- Mantenimiento activo. El último commit de llama_index fue el 20 oct 2026.
- ¿Para qué puedo usar llama_index?
- Crear un chatbot de preguntas y respuestas sobre documentos internos de una empresa. Prototipar un pipeline de RAG que permita alternar entre distintos proveedores de LLM y almacenes vectoriales. Crear agentes que usen herramientas y razonen sobre fuentes de datos privadas. Indexar archivos PDF, páginas web o bases de datos para hacer búsquedas semánticas con un LLM.
- ¿Cómo se instala llama_index?
- Instala el paquete inicial: pip install llama-index Crea un índice vectorial de tus documentos con una clave de OpenAI configurada Haz una consulta al índice: query_engine = index.as_query_engine()
- ¿Dónde consigo llama_index?
- El código fuente y las instrucciones de instalación están en GitHub: https://github.com/run-llama/llama_index
Resumen generado por IA a partir del README del proyecto. Las estadísticas de GitHub se actualizan a diario.
Proyectos relacionados
Framework de Python para programar modelos de lenguaje con código modular y algoritmos que optimizan prompts y pesos, en lugar de escribir prompts a mano.
38,7 mil3,4 milPythonMITActualizado hace 14 horas
Plataforma visual para crear, probar y desplegar agentes y flujos de trabajo de IA, con exposición integrada mediante API y servidor MCP.
155,9 mil10,3 milPythonMITActualizado hace 6 horas
Una capa de memoria para agentes y aplicaciones de IA que guarda y recupera el contexto de usuarios, sesiones y agentes entre conversaciones.
67,5 mil8 milPythonApache-2.0Actualizado hace 12 horas
Sistema de memoria de IA local-first que almacena el historial de conversaciones íntegro y lo recupera mediante búsqueda semántica, disponible como servidor MCP y CLI.
59,7 mil7,6 milPythonMITActualizado hace 4 horas
Framework y servidor ligero de RAG con grafos de conocimiento que indexa documentos como entidades y relaciones para generar respuestas de LLM con recuperación aumentada.
40,2 mil5,7 milPythonMITActualizado hace 5 días