LlamaIndex 发布 LlamaParse 及托管摄取与检索服务

嗨，LlamaIndex 爱好者们 🦙，

今天，LlamaIndex 生态系统迎来了一个里程碑，LlamaParse 的推出，这是一套面向下一代的管理式解析、摄取和检索服务，专为您的 LLM 和 RAG 应用中的生产级上下文增强而设计。

立即探索我们的免费和付费计划。

作为使用 LlamaParse 的企业 AI 工程师，您可以专注于构建业务逻辑，将数据管理的繁重工作交给我们。轻松处理大量生产数据，即时提升响应质量。LlamaParse 首次亮相，带来：

LlamaParse：一种专门用于复杂文档（包括表格和图表）的解析服务，与 LlamaIndex 无缝集成，用于处理半结构化文档。这使得以前无法解决的复杂查询得以解答。
管理式摄取和检索 API：为您的 RAG 应用简化数据加载、处理和存储，通过 LlamaHub 支持超过 150 个数据源，包括 LlamaParse，以及 40 多种数据存储解决方案。

LlamaParse 现已进入公开预览阶段，目前专注于 PDF，并对公共用户设有使用上限；联系我们了解商业条款。管理式 API 处于私人预览阶段，仅向部分企业合作伙伴开放。有兴趣吗？联系我们了解更多详情。

您的创新精神是我们的驱动力！我们期待发现让您兴奋的项目、文章或视频。将您的杰出贡献发送至 news@llamaindex.ai。如果您还没有订阅，请通过我们的网站加入我们的新闻通讯，直接在您的收件箱中获取所有最新的 LlamaIndex 新闻。

🤩 亮点：

纠正性 RAG LlamaPack：我们推出了带有 CRAG 见解的 LlamaPack，优化信息检索以提高准确性和相关性。推文，LlamaPack。
SELF-DISCOVER LlamaPack：我们将 SELF-DISCOVER 论文的实现作为 LlamaPack 推出，利用 LLM 中的元推理进行自适应、复杂的问题解决。推文，LlamaPack。
RAG 生产 指南：一份全面的生产级 RAG 指南，包含来自 JasperAI 的 Sisil Mehta 的见解和策略。

✨ 功能发布和增强：

我们将纠正性检索增强生成（CRAG）论文的见解整合为 LlamaPack，增强了系统评估和优化检索信息的能力，以提供更准确和相关的响应。推文，LlamaPack。
我们将 SELF-DISCOVER 这一新颖方法整合为 LlamaPack，赋予 LLM 元推理能力，使其能够从选择中自我发现并适应最合适的推理模块，从而实现更通用和复杂的问题解决能力。推文，LlamaPack。

🎥 演示：

DanswerAI，一个开箱即用的企业知识 ChatGPT 集成，通过连接到 GDrive、Slack 和 Jira 等常见工作场所工具，由 Llama Index 提供支持，提高了销售、IT、工程和客户支持团队的效率。
GenAI 用于 ADU 规划：一个由应用 Rujun Gao 开发的综合应用，可导航当地 ADU 法规，通过卫星图像分析可建空间，提供平面图建议，并将用户与当地承包商连接，展示多模态 AI 自动化在提升生产力方面的力量

🗺️ 指南：

指南：构建生产级 RAG，涵盖实用技巧和窍门，灵感来自 JasperAI 的 Sisil Mehta。
指南：使用 LlamaIndex 的 Nomic-embed-text-v1.5：获取从 64 到 768 任意维度的嵌入，灵感来自 Matryoshka 表示学习。
指南：创建一个由 RAG 驱动的研究代理，笔记本上构建科学调查工作流，利用 ArXiv、Wikipedia、教科书等，具备获取摘要、生成想法和全面信息查找的能力，由 Llama Index 和 LionAGI 提供支持。

✍️ 教程：

Jerry Liu 教程：LlamaIndex v0.10 简介。
Jerry Li 教程：使用查询管道从零构建代理。
Ravi Theja 教程视频：使用 Ollama 和 LlamaIndex 构建多模态应用。
Brett Young 教程：使用 LlamaIndex 和 W&B Weave 构建基于 RAG 的数字餐厅菜单。
Raghav 教程：使用 LlamaIndex 和 LanceDB 进行高级视频处理的多模态 RAG。
Tech With Tim 教程：查询非结构化数据、使用 Pandas 分析表格数据，并以简洁、逐步的方法执行结果。
Florian June 的教程：使用 RAGAs 和 LlamaIndex 进行 RAG 评估。
Davide Gallitelli 的教程：将 HuggingFace 嵌入模型部署到 Amazon SageMaker 并使用 Llama-Index 消费。

🎥 网络研讨会：