Cognita是一个基于LangChain和LlamaIndex构建的低代码RAG平台，支持Docker一键部署，提供简单易用的Web界面。用户无需编写代码即可轻松构建、调试和发布RAG应用。
Redis-LLM-Document-Chat是一个结合了LlamaIndex、Redis和OpenAI技术的项目，旨在与PDF文档进行高效交互。该项目包含一个Jupyter笔记本，展示了如何使用Redis作为向量数据库来存储和检索文档向量，并通过LlamaIndex在文档中执行语义搜索。此外，项目还利用OpenAI提供类似聊天机器人的交互体验，使用户能够以自然语言的方式查询和检索文档内容。
LlamaIndex是一个简单灵活的数据框架，用于将自定义数据源连接到大型语言模型(LLMs)。它提供业界领先的文档导入、解析、检索、索引、查询和评估能力。开发者可以使用Python和Typescript快速构建LLM应用程序。
该项目提供了一个关于LLM应用开发的电子书，涵盖了理论学习及实践代码，帮助理解和整合信息处理系统。
企业级Agentic RAG的简易使用方式，支持本地云基础设施部署，基于LlamaIndex构建，提供易于配置的Admin UI和API接口
LlamaParse是一款专门用于解析包含表格、图表和图像的复杂幻灯片的工具，能够生成视觉丰富的报告，支持文本和图像的混合输出。它支持多模态功能，能够处理多种数据源，并实现文本和图像块的向量索引。此外，LlamaParse还能生成结构化输出，便于创建复杂的报告，并与RAG（检索增强生成）技术集成，提升报告生成的质量和效率。
LlamaIndex（原名GPT Index）是一个开源工具，专注于将大型语言模型（LLMs）与外部数据源集成，帮助开发者构建更强大的问答系统和知识库应用。它提供了一种结构化的方式来管理LLM的数据，支持多种数据源和索引策略，旨在提升LLM应用的开发效率和数据检索性能。
min-LLM是一个轻量级的框架，旨在通过最小化代码来简化大语言模型（LLM）的训练过程。它提供了一个高效的训练流程，支持快速原型开发，并且易于集成和扩展，适合研究人员和开发者使用。
QinSQL是一个OLAP引擎的研究项目，旨在解决统一存储问题，通过提供高效的数据分析能力，支持多种存储方案的探索与实现，适用于微服务架构，具有良好的可扩展性。
mcts-llm是一个集成了蒙特卡洛树搜索（MCTS）和提示工程技术的轻量级项目，旨在提高大型语言模型（LLMs）的性能。该项目通过结合MCTS算法与大型语言模型，优化提示工程，来提升模型的响应质量。其轻量级的设计使得该项目易于集成和使用，并且支持多种语言模型，适用于各种自然语言处理任务。
本文调查了快速发展的指令调优 (IT) 领域的研究工作，这是增强大型语言模型 (LLM) 功能和可控性的关键技术。
Microsoft Knowledge Exploration旨在弥补庞大数据存储库与终端用户之间的鸿沟，提供直观的界面和AI驱动的搜索功能，帮助用户高效地导航复杂数据集。
对与LLM对齐技术进行全面综述，包括数据收集、训练方法和模型评估。
