Repolode
Предложить
run-llama

run-llama/llama_index

Python-фреймворк для создания RAG-приложений, агентов и систем обработки документов, связывающих LLM с вашими данными.

Открыть на GitHubСайт
Звёзды
52,578
Форки
8,387
Открытые issues
997
Последний коммит
8 часов назад

Что это?

LlamaIndex — это open-source Python-фреймворк для создания приложений на базе LLM, работающих с вашими данными. Он предоставляет коннекторы для загрузки файлов, данных из API и баз данных, структуры индексов — например, векторные хранилища и графы — для организации данных и последующего поиска, а также интерфейсы запросов, которые передают найденный контекст в LLM для получения ответов, основанных на данных.

Основной пакет llama-index-core расширяется большим набором интеграционных пакетов для работы с провайдерами LLM, моделями эмбеддингов и векторными хранилищами. Разработчики могут начать с пакета llama-index, в который включено всё необходимое, или установить только нужные интеграции. Высокоуровневые API позволяют новичкам создать векторный индекс и выполнять запросы всего в несколько строк, а низкоуровневые компоненты — такие как retrievers, query engines и rerankers — можно настраивать.

В проект также входят инструменты для создания агентов и workflows многошаговых приложений. Команда проекта сместила коммерческий фокус на LlamaParse — облачную платформу для разбора и извлечения данных из документов, которую можно использовать как вместе с этим фреймворком, так и отдельно.

Ключевые возможности

  • 01Коннекторы для загрузки файлов, данных из API, баз данных и других источников.
  • 02Векторные хранилища, графы и другие структуры индексов для организации данных и последующего поиска.
  • 03Query engines и retrievers, передающие найденный контекст в LLM.
  • 04Модульное ядро и более 300 интеграционных пакетов для LLM, эмбеддингов и векторных хранилищ.
  • 05Инструменты для создания агентов и workflows многошаговых приложений.
  • 06Сохранение индексов на диск, чтобы загружать их повторно без перестроения.

Сценарии использования

  • Создание чат-бота для ответов на вопросы по внутренним документам компании.
  • Прототипирование RAG-пайплайна с возможностью переключаться между разными провайдерами LLM и векторных хранилищ.
  • Создание агентов, которые вызывают инструменты и работают с закрытыми источниками данных.
  • Индексация PDF-файлов, веб-страниц и баз данных для семантического поиска с помощью LLM.

Быстрый старт

  1. 1

    Установите стартовый пакет

    pip install llama-index
  2. 2

    Создайте векторный индекс документов, предварительно настроив ключ OpenAI

  3. 3

    Выполните запрос к индексу

    query_engine = index.as_query_engine()

Что важно знать

  • В README сказано, что сейчас компания сосредоточена в основном на LlamaParse, поэтому фреймворк с открытым исходным кодом получает меньше внимания.
  • В примерах по умолчанию используются платные размещённые API LLM, например OpenAI, если не настроить локальную модель вроде Ollama.

Темы

#rag#llm#agents#vector-database#python#data-framework#application#data#fine-tuning#framework

Частые вопросы

Что такое llama_index?
Python-фреймворк для создания RAG-приложений, агентов и систем обработки документов, связывающих LLM с вашими данными. LlamaIndex — это open-source Python-фреймворк для создания приложений на базе LLM, работающих с вашими данными. Он предоставляет коннекторы для загрузки файлов, данных из API и баз данных, структуры индексов — например, векторные хранилища и графы — для организации данных и последующего поиска, а также интерфейсы запросов, которые передают найденный контекст в LLM для получения ответов, основанных на данных.
llama_index можно использовать бесплатно? Какая у него лицензия?
llama_index распространяется с открытым исходным кодом под лицензией MIT. Перед использованием в коммерческих продуктах проверьте условия лицензии.
llama_index всё ещё поддерживается?
Активно поддерживается. Последний коммит в llama_index — 20 окт. 2026 г..
Для чего можно использовать llama_index?
Создание чат-бота для ответов на вопросы по внутренним документам компании. Прототипирование RAG-пайплайна с возможностью переключаться между разными провайдерами LLM и векторных хранилищ. Создание агентов, которые вызывают инструменты и работают с закрытыми источниками данных. Индексация PDF-файлов, веб-страниц и баз данных для семантического поиска с помощью LLM.
Как установить llama_index?
Установите стартовый пакет: pip install llama-index Создайте векторный индекс документов, предварительно настроив ключ OpenAI Выполните запрос к индексу: query_engine = index.as_query_engine()
Где скачать llama_index?
Исходный код и инструкции по установке — на GitHub: https://github.com/run-llama/llama_index

Описание создано ИИ на основе README проекта. Статистика GitHub обновляется ежедневно.

Похожие проекты