利用LlamaIndex和IBM's Docling实现的RAG技术
RAG over excel sheets是一个结合了LlamaIndex和IBM's Docling技术的人工智能项目,专注于在Excel表格上实现检索式问答(RAG)。该项目不仅可以应用于Excel,还可以扩展到PPTs和其他复杂的文档。它通过提供高效的信息检索和处理能力,极大地提高了数据分析和文档管理的效率。
使用OpenAI实时API与文档进行语音聊天
voice-chat-pdf是一个基于LlamaIndex项目,使用Next.js构建的示例,它通过简单的RAG系统,允许用户通过语音与PDF文档进行交互。这个项目需要OpenAI API密钥来访问实时API,并在项目中生成文档的嵌入向量,以便进行语音交互。它展示了如何将先进的机器学习技术应用于提高文档交互的效率和便捷性。
低代码构建多Agent大模型应用的开发工具
LazyLLM是一个致力于简化人工智能应用构建流程的开发工具,它通过提供低代码的解决方案,使得开发者即使不了解大模型也能轻松组装包含多个Agent的AI应用。LazyLLM支持一键部署所有模块,跨平台兼容,自动进行网格搜索参数优化,以及高效的模型微调,从而提升应用效果。
一个集成了Django、Llamaindex和Google Drive的RAG应用框架。
Omakase RAG Orchestrator是一个旨在解决构建RAG应用时遇到的挑战的项目,它通过提供一个综合的Web应用程序和API来封装大型语言模型(LLMs)及其包装器。该项目整合了Django、Llamaindex和Google Drive,以提高应用的可用性、可扩展性和数据及用户访问管理。
一个命令行工具,可以生成针对您的数据的LlamaIndex应用
create-llama是一个方便开始使用LlamaIndex的最简单方法!它是一个简单易用的命令行工具,根据您的要求生成一个完整的应用 - 您只需提供自己的数据即可开始!要开始,请运行:npx create-llama。该应用程序会询问您一系列关于希望生成什么样的应用程序的问题。您需要提供自己的OpenAI API密钥,并做出一些决定。生成的应用程序具有一个数据文件夹,您可以在其中放置任意数量的文件;应用程序会在构建时自动索引它们,之后您可以快速与它们聊天。您可以选择不同的前端和后端选项。一旦您的应用程序启动并运行,您可以根据您的喜好对其进行自定义!
© 2025 AIbase 备案号:闽ICP备08105208号-14