構建可在多次運行中持久化的耐用工作流 👇 默認情況下，LlamaIndex 工作流是短暫的 - 但生產應用需要持久性。我們的新指南向您展示了三種策略： 🔄 在工作流實例中存儲數據，以實現簡單的多次運行持久性 💾 使用上下文對象的狀態存儲，以實現異步安全、可序列化的工作流狀態，能夠在進程重啟後存活 🚨 實現外部檢查點，以便從您離開的地方準確恢復 ⚡ 額外提示：直接將依賴項注入工作流步驟，以減少樣板代碼 非常適合長時間運行的文檔處理、多步驟 AI 代理或任何無法從頭開始的工作流。 了解如何編寫耐用的工作流：

介紹𝘃𝗶𝗯𝗲-𝗹𝗹𝗮𝗺𝗮，以簡化您的LlamaIndex開發，使用上下文感知的編碼代理。 一個命令行工具，自動配置您最喜歡的編碼代理，提供關於LlamaIndex框架、LlamaCloud和工作流程的最新上下文和最佳實踐。 運行𝘶𝘷𝘹 𝘷𝘪𝘣𝘦-𝘭𝘭𝘢𝘮𝘢@𝘭𝘢𝘵𝘦𝘴𝘵 𝘴𝘵𝘢𝘳𝘵𝘦𝘳將自動生成16個您最喜歡的編碼代理的規則文件（包括@cursor_ai、@claudeai Code和@github Copilot），讓您立即開始構建您出色的LlamaIndex驅動的應用程序，所有相關文檔和信息都隨時可用。 🔍 查看倉庫： 🦙 ☁️ 開始使用LlamaCloud：

將您的企業文檔轉化為智能、上下文感知的AI應用程序，採用先進的代理處理技術。 請於9月30日上午9點（太平洋標準時間）加入我們，產品副總裁@bpalit將分享一年來關於解析、提取和索引複雜文檔的企業經驗，使用LlamaCloud： 🔄 將非結構化數據轉換為可重用的、受管控的數據產品，超越基本的OCR 📊 佈局、表格和圖表感知處理技術，以提高企業文檔處理的準確性 👥 嵌入人機協作的審查流程，附帶引用、解釋和置信度評分 💰 平衡成本和準確性策略，有效擴展大文檔量 本次免費的虛擬網絡研討會涵蓋了我們為智能AI代理構建的平台中的真實企業最佳實踐。 註冊參加網絡研討會：

構建定制的檢索器，通過理解特定領域的上下文和術語，超越通用向量搜索 🎮 @superlinked 團隊展示了如何使用我們的自定義 LlamaIndex 集成創建 Steam 遊戲檢索器，將語義搜索與遊戲特定知識相結合。 🎯 定制檢索器硬連線領域專業知識 - 非常適合遊戲術語和複雜查詢，如 "帶有科幻元素的策略合作遊戲" ⚡ 多字段索引將名稱、描述、類型組合成單一可搜索文本，以便更豐富的理解 🔧 LlamaIndex BaseRetriever 只需一個 _retrieve 方法實現即可插入任何自定義後端 🚀 @superlinked 的 InMemoryExecutor 提供亞毫秒延遲的實時推薦 本指南介紹了架構設計、向量空間配置和結果處理，並提供了實用的代碼示例。我們展示了如何將 @superlinked 的混合編碼器方法與 LlamaIndex 的 RAG 基礎設施相結合，創建能夠真正理解用戶意圖的檢索器，而不僅僅是他們輸入的內容。 完整教程與 Colab 筆記本:

🚀 新案例研究：@StackAI_HQ + LlamaCloud ✔️ 處理超過 100 萬份文檔，具備高精度解析 ✔️ 更快、更智能的企業文檔代理 ✔️ 受到金融、保險等行業的信任 完整故事 👉 #GenAI #AIagents #EnterpriseAI

構建數據感知的 AI 應用程序，使用 LlamaIndex 通過 @heroku AI 的托管基礎設施查詢您的私人文檔和數據集。 @heroku 的新 AI 平台與我們的 RAG 功能完美結合，創建強大的應用程序，可以分析財務報告、處理保險索賠或支持客戶服務聊天機器人： 🚀 使用 @heroku 托管的 @anthropicai Sonnet 和 @cohere 嵌入，通過 @OpenAI 兼容的 API - 無需基礎設施設置 📊 在 @heroku Postgres 中使用 pgvector 擴展存儲和搜索向量，實現無縫數據檢索 🔧 只需幾個命令即可使用我們的 Python 集成部署完整的 RAG 管道 💼 構建現實世界的應用程序，如結合文檔檢索與外部 API 的保險索賠評估代理 閱讀完整的技術指南和代碼示例：

我們有一個新的綜合模型上下文協議（MCP）文件部分，幫助您通過標準化接口將您的AI應用程序連接到外部工具和數據源。 🔌 了解MCP的工作原理 - 通過簡單的客戶端-伺服器架構將LLM連接到數據庫、工具和服務 🛠️ 使用現有的MCP伺服器與LlamaIndex工作流，或將您自己的工作流轉換為MCP伺服器，以實現更廣泛的生態系統兼容性 ☁️ 通過我們的官方MCP伺服器訪問LlamaCloud服務，如LlamaExtract和LlamaParse ⚡ 使用我們的llama-index-tools-mcp包快速入門，並與代理、Claude Desktop和其他MCP主機集成 從概述開始：

🚀 很高興能與 @AWS、@elastic 和 @twelve_labs 一起在舊金山共同贊助 Agentic AI in Action 活動，時間是 8 月 26 日！ 屆時我們自己的 @seldo（開發關係副總裁）將進行現場技術演講：“使用 LlamaIndex 構建文檔代理：有效的設計模式”。 期待美食、演示、合作夥伴見解和 AI 網絡交流的魔力。期待在 AWS Loft 見到你！ 🔗 今天就註冊： #AgenticAI #LlamaIndex #AWS #Elastic #AI

跟隨這個示例，了解我們如何創建一個示例的基於氛圍編碼的 @streamlit 應用程序，用於發票解析，構建於 LlamaExtract 之上。 在這個快速概述中，@tuanacelik 向您展示了我們如何： - 基於預定義的架構創建提取代理 - 使用精心構建的提示，配備 @cursor_ai 可以用作構建應用程序的主要指令的 UI 要求 - 使用示例代碼作為 Cursor 在了解我們應用程序功能時的額外上下文！ 在這裡查看完整的代碼庫： 並觀看演示：

建構能夠分析文本和圖像的多模態AI應用，用於市場研究和調查 📊 🔍 在統一的AI管道中處理圖像和文檔 📈 從視覺市場數據中提取洞察，如圖表、圖形和產品圖像 🤖 將多模態分析與LlamaParse結合 查看完整的多模態市場調查筆記本：