AIGC

LlamaIndex在开发RAG应用过程中，一路电光带火石，上篇应对不同格式数据的各种数据连接器，仿佛十八般兵器，让我们应接不暇。本篇，我们就继连接器之后，来到LlamaIndex处理各式数据的核心概

前言   我们通过各项配置，理解了LlamaIndex在构建知识库和基于知识库的推荐两个阶段，怎么和业务相结合。本文，我们将开始深入理解LlamaIndex的各个模块。首先，LlamaIndex强大的

前言   在上篇LlamIndex二 RAG应用开发 - 掘金 (juejin.cn)中，我们学习到LlamaIndex对RAG的全面支持。这篇文章，我们就来细化这个过程，尝试各种配置选项，满足不同场

在AutoGen)系列后，我又开始了LlamIndex 系列。欢迎查询LlamaIndex 一 简单文档查询 - 掘金 (juejin.cn)了解LlamIndex，今天我们来看看LlamIndex的

前言   在学习LangChain的时候，我接触到了LlamaIndex。它犹如我在开发vue时用到的axios，主要负责数据打理。别问我为什么打这个比方，前端老狗，重走AI路，闭关一年能否学的妥当？

Streamlit + AutoGen, AI Chat Web应用搭建完成。假如您还没有将AutoGen Web化， 看这篇。

本篇文章介绍了AutoGen对RAG应用的支持，仍然是chat的模式。RetrieveUserProxyAgent与RetrieveAssistantAgent chat完成文档AI助理开发。

OpenAI好爽，但贵死了。如何在AutoGen中，切换开源模型？本文使用AI生态中最近较火的LLM Studio，一站式开源模型本地解决方案，让AutoGen 调用Llama2 模型，完成任务。

Flowise AI + AutoGen,一起低代码打造Uniswap专家知识库AI助理。agents with function calls 特性再建奇功。

使用AutoGen + LangChain + ChromaDB + PlayHT 打造语音AI助理。

LangChain + AutoGen + ChromaDB 打造AI助理，完成Uniswap专家知识库和生成文章。

前言     在前面几篇文章中，我们一起入门了AutoGen, 了解了Assistant和UserProxyAssistant 两个agent 间的chat协作模式，并结合案例，观察了执行流程。