1. 查詢流水線：引入了新的宣告性 API，用於輕鬆編排從簡單到複雜的 RAG 查詢工作流。
文件：2. ETL 流水線發布：乙個新的儲存庫，用於在 RAG LLM 應用程式中設定生產 ETL 管道，速度提高 4 倍，並整合 Hugging Face、RabbitMQ 和 AWS EKS。
GitHub 儲存庫：
3. 多模態反應 **：引入了具有文字和影象功能的**，增強了 GPT-4V 的 RAG 流管道和 Web 搜尋功能。
jupternotebook ：
4、ragatouille llamapack：推出簡單易用的Colbert Retrieval Package，輕鬆整合LlamaIndex RAG流水線。
文件：5. 高階 RAG 備忘單：介紹RAG增強技術的綜合備忘單，非常適合新手和有經驗的LLM使用者。
描述：這是乙個宣告性 API，旨在簡化高階 RAG 工作流的建立和自定義。 該工具可以針對特定用例定製查詢工作流，從基本的順序鏈到複雜的 DAGS。
文件： 描述：新儲存庫用於輕鬆為 RAG LLM 應用程式設定生產 ETL 管道，這比基於筆記本的操作快 4 倍。 該解決方案整合了 Hugging Face、RabbitMQ、LLAMA Index 和 AWS EKS，通過完整的 AWS Lambda API 終端節點提供快速的文件索引和高效的資料處理。 這對於過渡到生產環境的 RAG 應用程式非常有用，尤其是在 AWS 上。
GitHub 儲存庫：
描述： React **結合了 GPT-4V 和處理文字和影象的能力。 這可以執行查詢 RAG 管道或根據視覺和文字輸入進行 Web 搜尋等任務。
jupternotebook ：
描述：Ragatouille 簡化了 Colbert 的使用，這是一種比密集嵌入檢索技術更高階的檢索模型。 該軟體包允許您使用我們 150 多個資料載入器中的任何乙個攝取文件並將它們與您首選的 LLM 相結合進行響應合成，只需一行即可構建端到端的 llamaindex rag 管道。
文件： 描述：Pathway 框架使 LlamaIndex 能夠在生產環境中使用動態資料來源，根據實時更改自動更新索引，並確保查詢響應是最新且準確的。
文件： 描述：在 LlamaHub 中新增了 StripedocsLoader，以使用 Llama Index 在 Stripe 文件上快速設定 RAG。
文件： 描述：與 NVIDIA 的 Triton 推理伺服器整合，使您能夠在任何 AI 框架上執行優化的推理。 它支援 TensorRT-LLM 後端，增強了 NVIDIA GPU 上的 LLM 效能。
jupternotebook ：
點讚並關注二師兄談話獲取更多資訊並閱讀我的簡短技術文章。