Um framework Python para criar aplicações e agentes com LLMs, com interfaces padronizadas para modelos, embeddings, vector stores e integrações de terceiros.
run-llama/llama_index
Framework Python para criar aplicações de RAG, agentes e processamento de documentos que conectam LLMs aos seus próprios dados.
- Estrelas
- 52,578
- Forks
- 8,387
- Issues abertas
- 997
- Último commit
- há 6 horas
O que é?
LlamaIndex é um framework open source em Python para criar aplicações com LLMs sobre seus próprios dados. Ele oferece conectores que ingerem arquivos, APIs e bancos de dados; estruturas de indexação, como vector stores e grafos, que organizam esses dados para recuperação; e interfaces de consulta que enviam o contexto recuperado a um LLM para gerar respostas fundamentadas.
O pacote principal, llama-index-core, é ampliado por um grande conjunto de pacotes de integração que abrangem provedores de LLM, modelos de embedding e vector stores. Desenvolvedores podem começar com o pacote completo llama-index ou instalar apenas as integrações necessárias. APIs de alto nível permitem que iniciantes criem um índice vetorial e façam consultas com poucas linhas, enquanto componentes de nível mais baixo, como retrievers, query engines e rerankers, podem ser personalizados.
O projeto também inclui ferramentas para agentes e workflows voltadas a aplicações com várias etapas. Os mantenedores direcionaram seu foco comercial para o LlamaParse, uma plataforma hospedada de análise e extração de documentos que pode ser usada junto com esse framework ou de forma independente.
Recursos principais
- 01Conectores para ingerir arquivos, APIs, bancos de dados e outras fontes.
- 02Vector stores, grafos e outras estruturas de indexação para organizar dados para recuperação.
- 03Query engines e retrievers que enviam o contexto recuperado a um LLM.
- 04Núcleo modular com mais de 300 pacotes de integração para LLMs, embeddings e vector stores.
- 05Ferramentas para agentes e workflows voltadas a aplicações com várias etapas.
- 06Persistência de índices em disco para carregá-los novamente sem recriá-los.
Casos de uso
- Criar um chatbot de perguntas e respostas baseado em documentos internos da empresa.
- Prototipar um pipeline de RAG que permita alternar entre diferentes provedores de LLM e vector stores.
- Criar agentes que chamam ferramentas e raciocinam sobre fontes de dados privadas.
- Indexar PDFs, páginas da web ou bancos de dados para fazer buscas semânticas com um LLM.
Início rápido
- 1
Instale o pacote inicial
pip install llama-index - 2
Crie um índice vetorial dos seus documentos com uma chave da OpenAI configurada
- 3
Faça uma consulta ao índice
query_engine = index.as_query_engine()
Antes de usar
- O README informa que a empresa agora se concentra principalmente no LlamaParse, então o framework de código aberto recebe menos atenção.
- Os exemplos padrão chamam APIs de LLM hospedadas e pagas, como a OpenAI, a menos que você configure um modelo local como o Ollama.
Tópicos
Perguntas frequentes
- O que é llama_index?
- Framework Python para criar aplicações de RAG, agentes e processamento de documentos que conectam LLMs aos seus próprios dados. LlamaIndex é um framework open source em Python para criar aplicações com LLMs sobre seus próprios dados. Ele oferece conectores que ingerem arquivos, APIs e bancos de dados; estruturas de indexação, como vector stores e grafos, que organizam esses dados para recuperação; e interfaces de consulta que enviam o contexto recuperado a um LLM para gerar respostas fundamentadas.
- llama_index é gratuito? Qual é a licença?
- llama_index é open source sob a licença MIT. Confira os termos da licença antes de usá-lo em produtos comerciais.
- llama_index ainda é mantido?
- Manutenção ativa. O último commit de llama_index foi em 20 de out. de 2026.
- Para que posso usar llama_index?
- Criar um chatbot de perguntas e respostas baseado em documentos internos da empresa. Prototipar um pipeline de RAG que permita alternar entre diferentes provedores de LLM e vector stores. Criar agentes que chamam ferramentas e raciocinam sobre fontes de dados privadas. Indexar PDFs, páginas da web ou bancos de dados para fazer buscas semânticas com um LLM.
- Como instalar llama_index?
- Instale o pacote inicial: pip install llama-index Crie um índice vetorial dos seus documentos com uma chave da OpenAI configurada Faça uma consulta ao índice: query_engine = index.as_query_engine()
- Onde consigo llama_index?
- O código-fonte e as instruções de instalação estão no GitHub: https://github.com/run-llama/llama_index
Resumo gerado por IA a partir do README do projeto. As estatísticas do GitHub são atualizadas diariamente.
Projetos relacionados
Um framework Python para programar modelos de linguagem com código modular e algoritmos que otimizam prompts e pesos, em vez de escrevê-los manualmente.
Plataforma visual para criar, testar e implantar agentes e workflows de IA, com exposição integrada por API e servidor MCP.
Uma camada de memória para agentes e apps de IA que armazena e recupera contexto de usuários, sessões e agentes entre conversas.
Sistema de memória de IA local-first que armazena o histórico de conversas na íntegra e o recupera por busca semântica, com acesso via servidor MCP e CLI.
Um framework leve de RAG com grafo de conhecimento e servidor que indexa documentos como entidades e relações para gerar respostas de LLM com recuperação de informações.