Search
133 results for “llamaindex”
-
🚀 44 skills to make any AI coding assistant powerful:
🎮 Games: #pygame, #OpenRCT2, mGBA
🌐 Extensions: #Firefox, #Thunderbird
🐍 Python: #Django, pytest, SQLAlchemy
🐧 Linux: #KDE Plasmoid, Kate
🤖 AI: #LlamaIndex
and more!
-
LlamaIndex launches LiteParse, a new TypeScript-native library for parsing complex PDFs in AI agent workflows. The open-source tool runs locally, preserving document layout for better LLM understanding. It addresses a key bottleneck in RAG systems where data ingestion has become slower than the models themselves. https://www.marktechpost.com/2026/03/19/llamaindex-releases-liteparse-a-cli-and-typescript-native-library-for-spatial-pdf-parsing-in-ai-agent-workflows/ #AIagent #AI #GenAI #AgenticAI #LlamaIndex
-
LlamaIndex has released LiteParse, a new open-source TypeScript library for parsing PDFs in AI agent workflows. Unlike traditional tools that convert to Markdown, LiteParse preserves spatial layout using a grid approach. Zero Python dependencies, runs locally on Node.js. Aims to solve the data ingestion bottleneck in RAG pipelines. #AIagent #AI #GenAI #AgenticAI #LlamaIndex https://www.marktechpost.com/2026/03/19/llamaindex-releases-liteparse-a-cli-and-typescript-native-library-for-spatial-pdf-parsing-in-ai-agent-workflows/
-
📢 Episode 2 of the AI Leader Series is live!
We talk with Swami Chandrasekaran, Head of AI & Data Labs at @KPMG_US, about how the Big Four firm powers context-aware AI agents with LlamaIndex.
👉 Watch now + subscribe: https://www.youtube.com/watch?v=qkpUo9RheOo
-
LlamaIndex review: Easy context-augmented LLM applications - “Turn your enterprise data into production-ready LLM applications,” blares the LlamaIn... - https://www.infoworld.com/article/3715622/llamaindex-review-easy-context-augmented-llm-applications.html#tk.rss_all #developmentlibrariesandframeworks #artificialintelligence #softwaredevelopment #developmenttools #cloudcomputing #generativeai
-
Интеграция DeepEval для тестирования LlamaIndex Workflow
Тестирование сложных систем, таких как LlamaIndex Workflow, включающих несколько шагов, извлечение данных и генерацию текста с помощью LLM, является нетривиальной задачей. Стандартные методы тестирования не всегда могут оценить семантическое качество и релевантность генерируемых ответов. DeepEval предоставляет набор инструментов и метрик, специально разработанных для оценки LLM-приложений, что делает его подходящим решением для тестирования LlamaIndex Workflow. Давайте разберем два подхода к интеграции DeepEval с LlamaIndex Workflow:
-
🚀 LlamaIndex is headed to @money2020 in Las Vegas!
We’re meeting with fintech and financial leaders to show how AI agents built on LlamaIndex are transforming underwriting, compliance, operations and more — all powered by private docs & data.
Want to see how? Book a meeting with us & enter to win limited-edition LlamaIndex swag:
👉 https://landing.llamaindex.ai/llamaindex-at-money-2020-vegas -
New AI Leader Series 🎥
@Experian_US 's Head of AI/ML Innovation James Lin shares why his team chose LlamaIndex to build AI customer support agents designed to improve NPS — and what mattered most in production.
-
LlamaIndex is sponsoring + speaking at @wandb ( @CoreWeave ) Fully Connected London (Nov 4–5), a 2-day event for engineers shipping AI to prod.
Talk: Automating knowledge work with AI agents
Speaker: @tuana (Sr. DevRel Eng)https://wandb.ai/site/resources/events/fully-connected/london/
-
We’re bringing AI agents to the insurance frontier at #ITCVegas2025 🦙
See how LlamaIndex is helping insurers streamline claims, underwriting & CX.📅 Pre-book a meeting → get exclusive LlamaIndex swag 👇
🔗 https://landing.llamaindex.ai/itcvegas2025 -
How @Jeppesen (a @Boeing company) went from 512h → 64h to build AI agents:
✅ Built a Unified Chatbot Framework on LlamaIndex
✅ 1,792h saved already
✅ Nearly 4,900h projected annuallyFrom chatbot to full agent orchestration system. 🚀
Case study: https://www.llamaindex.ai/blog/jeppesen-a-boeing-company-saves-2-000-engineering-hours-with-unified-chat-framework-built-on -
🚀 Excited to co-sponsor Agentic AI in Action in SF with AWS, Elastic, and TwelveLabs on Aug 26 in SF!
Catch our own Laurie Voss (VP Dev Rel) with a live tech talk: “Building Document Agents with LlamaIndex: Effective Design Patterns”.
Expect food, demos, partner insights, and AI networking magic. See you at the AWS Loft!
🔗 Register today: https://www.aicamp.ai/event/eventdetails/W2025082609
-
🚀 @SkySQL just cracked the code on hallucination-free SQL generation.
Using @llamaindex, they built AI agents that turn natural language into accurate SQL queries across complex database schemas.
Key wins:
✅ Zero hallucinated queries
✅ Faster development cycles
✅ Seamless MariaDB integrationThe future of database interactions is here 👇
https://www.llamaindex.ai/blog/how-skysql-enables-smarter-text-to-sql-agents-with-llamaindex?utm_source=socials&utm_medium=li_social -
Интеграция DeepEval для тестирования LlamaIndex Workflow
Тестирование сложных систем, таких как LlamaIndex Workflow, включающих несколько шагов, извлечение данных и генерацию текста с помощью LLM, является нетривиальной задачей. Стандартные методы тестирования не всегда могут оценить семантическое качество и релевантность генерируемых ответов. DeepEval предоставляет набор инструментов и метрик, специально разработанных для оценки LLM-приложений, что делает его подходящим решением для тестирования LlamaIndex Workflow. Давайте разберем два подхода к интеграции DeepEval с LlamaIndex Workflow:
-
Интеграция DeepEval для тестирования LlamaIndex Workflow
Тестирование сложных систем, таких как LlamaIndex Workflow, включающих несколько шагов, извлечение данных и генерацию текста с помощью LLM, является нетривиальной задачей. Стандартные методы тестирования не всегда могут оценить семантическое качество и релевантность генерируемых ответов. DeepEval предоставляет набор инструментов и метрик, специально разработанных для оценки LLM-приложений, что делает его подходящим решением для тестирования LlamaIndex Workflow. Давайте разберем два подхода к интеграции DeepEval с LlamaIndex Workflow:
-
LlamaIndex review: Easy context-augmented LLM applications https://www.infoworld.com/article/3715622/llamaindex-review-easy-context-augmented-llm-applications.html?utm_source=dlvr.it&utm_medium=mastodon#tk.rss_machinelearning #MachineLearning #ArtificialIntelligence #DrivenByData #SaaS #Cloud #DataScience #DeepLearning #DataAnalytics
-
LlamaIndex review: Easy context-augmented LLM applications https://www.infoworld.com/article/3715622/llamaindex-review-easy-context-augmented-llm-applications.html?utm_source=dlvr.it&utm_medium=mastodon#tk.rss_machinelearning #MachineLearning #ArtificialIntelligence #DrivenByData #SaaS #Cloud #DataScience #DeepLearning #DataAnalytics
-
→ Mindlid: 20% lift in top-1 recall for wellness app
🔗 Available via #GeminiAPI & #VertexAI
Integrates with #LangChain, #LlamaIndex, #Haystack, #Weaviate, #Qdrant, #ChromaDB & Vector Search
🧪 Colab notebooks for Gemini API & Vertex AI ready to use -
→ Mindlid: 20% lift in top-1 recall for wellness app
🔗 Available via #GeminiAPI & #VertexAI
Integrates with #LangChain, #LlamaIndex, #Haystack, #Weaviate, #Qdrant, #ChromaDB & Vector Search
🧪 Colab notebooks for Gemini API & Vertex AI ready to use -
→ Mindlid: 20% lift in top-1 recall for wellness app
🔗 Available via #GeminiAPI & #VertexAI
Integrates with #LangChain, #LlamaIndex, #Haystack, #Weaviate, #Qdrant, #ChromaDB & Vector Search
🧪 Colab notebooks for Gemini API & Vertex AI ready to use -
→ Mindlid: 20% lift in top-1 recall for wellness app
🔗 Available via #GeminiAPI & #VertexAI
Integrates with #LangChain, #LlamaIndex, #Haystack, #Weaviate, #Qdrant, #ChromaDB & Vector Search
🧪 Colab notebooks for Gemini API & Vertex AI ready to use -
→ Mindlid: 20% lift in top-1 recall for wellness app
🔗 Available via #GeminiAPI & #VertexAI
Integrates with #LangChain, #LlamaIndex, #Haystack, #Weaviate, #Qdrant, #ChromaDB & Vector Search
🧪 Colab notebooks for Gemini API & Vertex AI ready to use -
https://www.tkhunt.com/2291331/ RAGの主流となった「Agentic RAG（エージェント型RAG）」、徹底解説 #AgenticAi #AgenticRAG #AI #AIエージェント #ArtificialIntelligence #Cohere #ContextualAI #LangChain #LlamaIndex #llm #MCP #Pinecone #rag #エージェント型AI #エージェント型RAG #エンタープライズAI #シリコンバレーVC #ベクトルデータベース #人工知能 #生成AI
-
Hybrid RAG knowledge base за 15 минут — почему пришлось собрать свою lite версию RAG и в чем опасность RAG фреймворков
Архитектура Hybrid RAG систем заняла нишу корпоративных баз знаний, став стандартом для построения сервисов генерации контента на основе внутренних корпоративных данных. Уже пару лет у этого подхода практически нет альтернатив, когда речь заходит о сочетании возможностей генеративного ИИ с требованиями корпоративной безопасности и доверия к полученным результатам. Ключевое преимущество RAG перед обычным взаимодействием с нейросетями заключается в прозрачности: мы четко видим, на основе каких документов был сформирован ответ, и можем проверить каждый шаг пайплайна Почти в каждом проекте, которые мне удалось наблюдать, происходило одно и то же - сначала команда стартует с LangChain или LlamaIndex через пару месяцев пайплайн становится неуправляемым, далее половина фреймворка выкидывается и пишется свой костомный retrieval. В итоге архитектура почти всегда выглядит одинаково - Frontend + Python backend + vector search + LLM API В этой статье я покажу почему это происходит, поделюсь сложностями с которыми можно столкнуться при реализации корпоративных баз знаний основанных на RAG технологиях, расскажу почему готовые фреймворки иногда могут быть опасны для проекта и как я пришел к созданию универсальной сборки RAG системы разворачиваемой за 15 минут За последние два года вокруг вокруг RAG систем сформировалась огромная инфраструктура. Появились специализированные фреймворки и облачные сервисы. Однако, если присмотреться к реальным запросам бизнеса, вырисовывается устойчивый паттерн. Компании хотят быстрый запуск без глубокого погружения в разработку продукта, в пару кликов загрузить корпоративные документы и получать ответы на запросы по своим внутренним документам. Компаниям не нужен очередной конструктор с бесконечными настройками, а востребована легкая, быстро разворачиваемая корпоративная RAG база знаний Основной актив, с которым должны работать такие системы это регламенты, техническая документация, договоры, инструкции и неструктурированные базы знаний. И здесь RAG действительно незаменим. Но существует и обратная сторона медали:
https://habr.com/ru/articles/1005776/
#RAG #knowledge_base #hybrid_rag #rag_система #база_знаний #it_проекты #поисковые_системы #rag_ai #ai_agent #корпоративные_решения
-
Hybrid RAG для бизнеса: умный поиск по документам без облака и утечки данных
Крупная логистическая компания. Многолетний архив — договоры с перевозчиками, регламенты, переписка по инцидентам. Менеджер хочет узнать: были ли у нас претензии к этому контрагенту и на каких условиях мы с ним работали два года назад? Открывает почту, потом SharePoint, потом звонит в архив. Через час у него есть частичный ответ. Та же ситуация повторяется в таможне, банках и юридических фирмах. Данные накоплены — в PDF, Word, сканах, таблицах. Но корпоративная база знаний не отвечает на вопросы: нет инструмента, который понимал бы смысл запроса, а не просто искал по ключевым словам. Автоматизация документооборота упёрлась в потолок классических СЭД.
https://habr.com/ru/articles/1024696/
#Автоматизация_Документооборота #ИИ_для_Бизнеса #Нейросеть_Без_Облака #HybridRAG #Self_Hosted #LangGraph #Haystack #Qdrant #LlamaIndex #observability
-
Разворачиваем RAG на Java без боли: практический гайд
Всем привет! Недавно столкнулся с проблемой, что в настоящее время большая часть обучающих материалов по Retrieval‑Augmented Generation (RAG) сосредоточена на Python‑экосистеме (LangChain, LlamaIndex и тому подобное), а пошаговые руководства, которые показывают, как быстро собрать рабочее RAG‑приложение на чистом Java‑стеке , встречаются крайне редко. Эта статья представляет собой простое практическое руководство, где мы разберём весь процесс от настройки окружения до полного примера кода, чтобы даже начинающий Java‑разработчик мог развернуть RAG.
https://habr.com/ru/articles/1027426/
#RAG #Java #Spring_AI #Qdrant #Ollama #LLM #bgem3 #embeddings
-
"In this course, you will:
📖 Study AI Agents in theory, design, and practice.
🧑💻 Learn to use established AI Agent libraries such as smolagents, LangChain, and LlamaIndex.
💾 Share your agents on the Hugging Face Hub and explore agents created by the community.
🏆 Participate in challenges where you will evaluate your agents against other students’.
🎓 Earn a certificate of completion by completing assignments.
And more!At the end of this course you’ll understand how Agents work and how to build your own Agents using the latest libraries and tools."
https://huggingface.co/learn/agents-course/unit0/introduction
-
"In this course, you will:
📖 Study AI Agents in theory, design, and practice.
🧑💻 Learn to use established AI Agent libraries such as smolagents, LangChain, and LlamaIndex.
💾 Share your agents on the Hugging Face Hub and explore agents created by the community.
🏆 Participate in challenges where you will evaluate your agents against other students’.
🎓 Earn a certificate of completion by completing assignments.
And more!At the end of this course you’ll understand how Agents work and how to build your own Agents using the latest libraries and tools."
https://huggingface.co/learn/agents-course/unit0/introduction
-
"In this course, you will:
📖 Study AI Agents in theory, design, and practice.
🧑💻 Learn to use established AI Agent libraries such as smolagents, LangChain, and LlamaIndex.
💾 Share your agents on the Hugging Face Hub and explore agents created by the community.
🏆 Participate in challenges where you will evaluate your agents against other students’.
🎓 Earn a certificate of completion by completing assignments.
And more!At the end of this course you’ll understand how Agents work and how to build your own Agents using the latest libraries and tools."
https://huggingface.co/learn/agents-course/unit0/introduction
