ai

1.构建一个具备自主能力的LLM应用 #

💡 提示： 您可能想阅读我们的高层次概念如果这些术语不熟悉的话。

本教程包含三个主要部分：构建一个RAG管道、构建一个代理，和构建工作流，前后会穿插一些较小的部分。以下是您将看到的内容：

快速上手并开始使用LLMs。我们将向您展示如何使用我们的任何数十种支持的LLM，无论是通过远程API调用还是在你本地机器上运行。

代理（agents）是由大语言模型驱动的知识工作者，能够通过一系列工具与世界互动。这些工具可以检索信息（例如RAG，见下文）或执行操作。本教程包含：

工作流是一种较低层级、事件驱动的抽象概念，用于构建智能代理应用。它是构建任何高级智能代理应用时应使用的基础层。你可以使用之前学到的预构建抽象，或者完全从零开始构建代理。本教程涵盖以下内容：

检索增强生成（RAG）是将数据输入LLM的关键技术，也是构建更复杂智能代理系统的重要组成部分。我们将展示如何通过功能完备的RAG流程增强您的代理能力，使其能够解答关于您数据的各类问题。具体内容包括：

加载与摄取 - 从任何数据源获取您的数据，无论是非结构化文本、PDF、数据库还是其他应用程序的API。LlamaIndex拥有数百种连接器，可对接各类数据源。LlamaHub
索引与嵌入 - 一旦获取数据后，有无数种方式可以构建数据访问结构，以确保您的应用程序始终处理最相关的数据。LlamaIndex内置了大量此类策略，并能帮助您选择最佳方案
存储 - 向量数据库。Vector Store（见下文）。您还可以存储您的索引、元数据等
查询 - 每种索引策略都有对应的查询策略，且存在多种方式可提升检索结果的相关性、速度和准确性，以及LLM在处理这些信息并返回给您之前的优化手段，包括将其转化为结构化响应（如API）

无论您是在构建问答系统、聊天机器人、API还是自主代理，我们都将展示如何将您的应用程序投入生产环境。

也称为可观测性，对于LLM应用而言，能够深入观察内部运行机制尤为重要，这能帮助你调试问题并发现改进空间。

每种策略都有其优缺点，而构建、发布和演进应用程序的关键在于评估你的改动是否在准确性、性能、清晰度、成本等方面提升了应用。可靠地评估这些变更，是LLM应用开发中至关重要的一环。