LlamaIndex（GPT Index）是您的LLM（大型语言模型）应用的数据框架。使用LlamaIndex进行构建通常涉及与LlamaIndex核心以及所选的一组集成（或插件）一起工作。在Python中，有两种方法可以开始使用LlamaIndex进行构建。
Starter（初学者包）：llama-index。这是一个Python初学者包，包含了LlamaIndex核心以及一系列精选的集成。
Customized（自定义）：llama-index-core。安装LlamaIndex核心，并在LlamaHub上添加您的应用程序所需的LlamaIndex集成包。有300多个LlamaIndex集成包可以与核心无缝协作，让您能够使用您首选的LLM（大型语言模型）、嵌入和向量存储提供商进行构建。
LlamaIndex Python库的命名空间设计是这样的：包含core的导入语句意味着正在使用核心包，而那些不包含core的导入语句则意味着正在使用某个集成包。
# typical pattern
from llama_index.core.xxx import ClassABC # core submodule xxx
from llama_index.xxx.yyy import (
SubclassABC,
) # integration yyy for submodule xxx
# concrete example
from llama_index.core.llms import LLM
from llama_index.llms.openai import OpenAI什么是代理（Agents）？
代理是由大型语言模型（LLM）驱动的知识助手，它们使用工具来执行任务，如研究、数据提取等。代理的功能范围广泛，从简单的问答到能够感知、决策和采取行动以完成任务。LlamaIndex提供了一个构建代理的框架，包括使用检索增强生成（RAG）管道作为完成任务的众多工具之一的能力。
什么是工作流（Workflows）？
工作流是结合一个或多个代理、数据连接器和其他工具来完成任务的多步骤过程。它们是事件驱动的软件，允许您结合RAG数据源和多个代理来创建一个能够执行各种任务的复杂应用程序，这些任务具有反思、错误修正和其他高级LLM应用程序的标志。然后，您可以将这些代理工作流部署为生产微服务。
什么是上下文增强（Context Augmentation）？
大型语言模型（LLM）为人类和数据之间提供了自然语言接口。LLM在大量公开可用的数据上进行预训练，但它们并没有在您的数据上进行训练。您的数据可能是私有的，或者特定于您正在尝试解决的问题。它隐藏在API后面、SQL数据库中，或者被困在PDF和幻灯片演示文稿中。上下文增强使您的数据可供LLM使用，以解决当前的问题。LlamaIndex提供了构建任何上下文增强用例的工具，从原型到生产。我们的工具允许您摄入、解析、索引和处理您的数据，并快速实现结合数据访问和LLM提示的复杂查询工作流。上下文增强的最流行示例是检索增强生成（RAG），它在推理时将上下文与LLM相结合。