LlamaIndex — это открытый фреймворк для RAG и AI-агентов, которые работают с документами: он загружает данные, разбивает их, строит индекс и отвечает на вопросы с опорой на источники. Есть версии для Python и TypeScript.
Главное отличие от LangChain — фокус на данных: сотни загрузчиков, продвинутые стратегии индексации и парсер сложных PDF.
Возможности
- Загрузчики данных: PDF, Notion, Google Drive, базы данных, сайты и сотни других источников.
- Индексы и поиск: векторный, гибридный и иерархический поиск с переранжированием.
- Агенты и Workflows: агенты с инструментами и событийные сценарии из нескольких шагов.
- LlamaParse: облачный парсер таблиц, схем и сканов в PDF.
- Векторные базы: Qdrant, Pinecone, Weaviate, Chroma и другие.
Кому подходит
Разработчикам, которые делают чат-боты по документам, базы знаний и поиск по внутренним данным компании.
Как начать
Установите pip install llama-index, положите документы в папку и соберите VectorStoreIndex из пяти строк кода. Задайте вопрос через query engine и проверьте источники ответа.
Совет
Качество RAG зависит от парсинга больше, чем от модели. Для PDF с таблицами используйте LlamaParse или похожий парсер, а не простой извлекатель текста.
Ограничения
API часто меняется, примеры из старых статей устаревают. Для сложных агентов с ветвлениями удобнее LangGraph.