1. 前置了解

1.1 什么是智能体（Agents）？

智能体是由大模型驱动的知识助手，能够调用工具完成调研、数据提取等各类任务。

智能体能力跨度很广：

• 简单形态为问答机器人；
• 高阶智能体可自主感知信息、做出决策并执行动作以完成复杂目标。

LlamaIndex 提供完整的智能体开发框架，支持将 RAG 流水线作为众多工具之一，辅助智能体完成任务。

---

1.2 什么是工作流（Workflows）？

工作流是由多步骤组成的处理流程，可组合一个或多个智能体、数据连接器与外部工具协同完成任务。

它属于事件驱动型程序，能够整合多份 RAG 数据源与多个智能体，搭建复杂应用；支持反思自省、错误修正等高阶大模型应用能力。开发者可以将这套智能体工作流直接部署为生产可用的微服务。

---

1.3 什么是上下文增强（Context Augmentation）？

大模型搭建起人类与数据之间的自然语言交互桥梁。大模型基于海量公开数据预训练，但并未学习你的私有业务数据。这些数据可能涉及隐私、面向特定业务场景，存放于接口后端、SQL数据库、PDF 文档、幻灯片之中。

上下文增强，就是把私有数据提供给大模型，辅助其解决对应业务问题。

LlamaIndex 提供全套工具，支撑各类上下文增强场景，从原型验证平稳过渡到生产环境。开发者可以完成数据导入、解析、索引构建、数据处理，快速搭建融合数据访问与大模型提示词的复杂查询流程。

上下文增强最经典的实现方案就是检索增强生成（RAG），在推理阶段将相关上下文注入大模型。

---

2. LlamaIndex（原 Run Llama, Inc.）公司介绍

GitHub 组织地址

公司正式名称：LlamaIndex, Inc.，初创阶段企业名称为 Run Llama，因此 GitHub 组织命名为 run-llama。总部位于美国加利福尼亚旧金山。

2.1 基础概况

1、 创立背景

项目最早 2022 年 11 月开源，最初命名 GPT Index；创始人 Jerry Liu（CEO）、Simon Suo（CTO）。二人曾任职 Uber AI 实验室，发现大模型难以可靠读取企业私有文档，于是开发这套面向私有数据的 LLM 应用开发框架。2023 年初项目更名为 LlamaIndex，并成立商业化公司。

重要区分：项目与 Meta 的 LLaMA 大模型没有隶属关系，只是名称相近。

2、 融资情况

• 种子轮：850 万美元；
• A 轮：1900 万美元；

累计融资超 2750 万美元，投资方包括 Greylock、Salesforce Ventures、Google Ventures、Databricks、毕马威等。

3、商业模式：开源生态 + 商业云服务双轮驱动

• 开源引流：核心框架 LlamaIndex、LiteParse、LlamaAgents 采用开源协议，面向全球开发者免费使用，构建庞大开发者社区；
• 商业变现：LlamaCloud / LlamaParse 企业级 SaaS 平台，提供高性能文档解析、托管 RAG 服务，面向政企付费客户。

---

2.2 核心产品矩阵

🔹 开源产品

1. LlamaIndex（Python/TS）
   业界主流开源框架，用于构建 RAG检索增强生成、AI 智能体（Agent）、工作流应用。提供完整链路：数据接入、文档索引、混合检索、查询引擎、多智能体编排，兼容几乎所有大模型、向量数据库。
2. LlamaAgents
   新一代异步事件驱动智能体运行框架，构建并交付以文档为核心的智能体。
3. LiteParse
   Rust 编写、完全开源本地文档解析引擎，支持私有化部署，无需上传文件至云端，解析PDF、Office、图片文档。

🔹 商业产品 LlamaParse（LlamaCloud）

主打 SOTA Agentic OCR（智能体式文档识别），企业级非结构化数据自动化平台，也是你前文文档介绍的核心产品：

1. Parse（文档解析）：高精度识别复杂版式、嵌套表格、图表、手写文字、内嵌图片；
2. Extract（信息提取）：上下文感知结构化抽取，附带置信度与原文引用；
3. Index（索引构建）：智能分块+向量嵌入，产出高质量数据直接对接 RAG。

---

2.3 客户与典型场景

标杆企业客户：Salesforce、凯雷集团（Carlyle）、乐天集团（Rakuten）等全球金融、科技企业。

主流落地场景：

• 金融：财报、尽调文档、合同智能解析；
• 制造业/医疗：技术手册、病历检索；
• 通用企业：发票处理、知识库问答、客服智能助手；
• 通用技术：搭建文档智能体、多智能体协同系统。

---

3. LlamaIndex：面向上下文增强型大模型应用的开发框架

3.1 核心组件

LlamaIndex 不会限制大模型的使用方式。你可以将大模型用于文本续写、对话机器人、智能体等场景，框架只是简化整个开发流程。

内置核心组件如下：

• 数据连接器：从原始数据源、原生格式导入数据，支持接口、PDF、SQL 等大量数据源；
• 数据索引：将数据转化为中间结构化形式，便于大模型高效读取与调用；
• 引擎：提供自然语言方式访问私有数据：
  • 查询引擎：问答场景核心交互入口，典型实现就是 RAG流程；
  • 对话引擎：支持多轮来回交互的会话接口；
• 智能体：搭载各类工具的大模型知识工作者，工具涵盖简易函数、第三方API 集成等；
• 可观测性与评估组件：支撑完整实验、效果评估、线上监控，形成持续优化闭环；
• 工作流：将上述所有组件整合为事件驱动系统，相比传统图编排方案拥有更高灵活性。

---

3.2 应用场景

LlamaIndex 与上下文增强技术常见落地场景：

1. 问答系统
2. 对话机器人
3. 文档理解与结构化数据提取
4. 具备信息检索、自主执行能力的自治智能体
5. 融合文本、图像等多模态数据的应用
6. 基于私有数据微调模型，提升任务效果

---

3.3 👨‍👩‍👧‍👦 谁适合使用 LlamaIndex？

LlamaIndex 兼顾入门开发者与资深工程师。

• 高层 API：新手仅需 5 行代码，即可完成数据导入与问答查询；
• 底层 API：面向复杂业务，高级开发者能够自定义、扩展任意模块：数据连接器、索引、检索器、查询引擎、重排序模块等，高度灵活适配业务需求。

---

3.4 快速上手

LlamaIndex 同时提供 Python（本文档）与 TypeScript 版本。如果你不清楚如何入门，可以先阅读文档指引，根据自身技术水平选择合适章节。

配置环境变量 OPENAI_API_KEY，填入你的 OpenAI Key，安装 Python库：

pip install llama-index

将文档放入 data 文件夹，使用经典 5 行代码实现文档问答：

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader

# 从指定目录"data"读取所有文档文件，自动解析文件内容，返回文档对象列表
documents = SimpleDirectoryReader("data").load_data()

# 将读取到的文档向量化，构建向量存储索引（底层会调用嵌入模型生成向量）
index = VectorStoreIndex.from_documents(documents)

# 基于向量索引创建查询引擎，用于实现文档检索+大模型问答
query_engine = index.as_query_engine()

# 传入问题，执行检索：先召回相关文档片段，再交给大模型生成答案
response = query_engine.query("在这里输入和文档相关的问题")

# 打印输出大模型返回的问答结果
print(response)

如果运行遇到问题，可以查看完整入门教程，支持 OpenAI 等远程模型，也兼容本地部署模型。

---

3.5 商业服务：LlamaCloud

企业开发者可以了解 LlamaCloud。这是一套端到端托管服务，提供文档解析、信息提取、索引构建与检索全套能力，快速为AI智能体提供生产级数据能力。

新用户注册每月可领取 10000 免费额度，支持订阅套餐；如有企业定制需求可以联系官方。平台同时提供 SaaS云端版本与私有化部署方案。

核心能力：

1. 文档解析（LlamaParse）：业界顶尖文档解析方案，依托视觉大模型，完美处理复杂文档（嵌套表格、内嵌图表、图片等）；
2. 数据提取（LlamaExtract）：依据人工定义或自动推导的 Schema，从任意文档抽取结构化数据；
3. 索引与检索：搭建端到端文档检索流水线，对接 Sharepoint、谷歌云盘、对象存储等数据源与向量数据库，自动完成文档处理与数据同步。

---

3.6 社区支持

3.6.1 社区地址

遇到问题、想要提出功能建议？欢迎加入 LlamaIndex 社区：
X（Twitter）｜Discord｜LinkedIn

---

3.6.2 资源地址

Python 版本：

• LlamaIndex Python Github
• Python 官方文档（当前阅读文档）
• PyPi 项目地址

TypeScript/Javascript 版本（LlamaIndex.TS）：

• LlamaIndex.TS Github
• TypeScript 官方文档
• npm 项目地址

---

3.6.3 参与贡献

项目开源，欢迎所有人提交代码贡献！查阅贡献指南，了解如何扩展核心库、新增大模型、向量库、智能体工具等第三方集成。

---

3.7 LlamaIndex 生态体系

LlamaIndex 拥有丰富周边项目：

• llama_deploy：将智能体工作流部署为生产微服务
• LlamaHub：持续扩充的自定义数据连接器资源库
• SEC Insights：基于 LlamaIndex 构建的金融研究应用
• create-llama：命令行脚手架，一键生成 LlamaIndex 项目模板

---