翻訳は機械翻訳により提供されています。提供された翻訳内容と英語版の間で齟齬、不一致または矛盾がある場合、英語版が優先します。
# LlamaIndex
[https://www.llamaindex.ai/](https://www.llamaindex.ai/) は、大規模言語モデル (LLMs) を外部データソースに接続して、高度な検索拡張生成 (RAG) およびエージェント AI アプリケーションを可能にするために特別に設計されたデータフレームワークです。このフレームワークは、エージェントシステム、カスタムオーケストレーションパターン、システム統合のための抽象化と高速開発ワークフローを提供し、ナレッジ駆動型 AI ソリューションのtime-to-productionします。
## の主な機能 LlamaIndex
LlamaIndex は、エンタープライズエージェント AI アプリケーションに特に適した包括的な機能を提供します。
+ **データ中心のアーキテクチャ** – PDFs、MicrosoftWord ドキュメント、スプレッドシートなど、100 を超えるデータ形式からの情報の取り込み、インデックス作成、取得に優れています。このフレームワークは、エンタープライズデータを AI エージェント用に最適化されたクエリ可能なナレッジベースに変換します。詳細については、[LlamaIndex のドキュメント](https://developers.llamaindex.ai/)を参照してください。
+ **本番稼働対応デプロイ** – LlamaIndexは、 を通じてオープンソースフレームワークとマネージドサービスの両方を提供しLlamaCloud、セキュリティコントロール、スケーラビリティ、オブザーバビリティ統合、デプロイの柔軟性などのエンタープライズグレードの機能を提供します。詳細については、[LlamaIndexフレームワーク](https://developers.llamaindex.ai/python/framework/)ドキュメントを参照してください。
+ **高度なドキュメント処理** – 複雑なレイアウト、ネストされたテーブル、マルチモーダルコンテンツ、さらには手書きのメモを処理するドキュメント解析、抽出、インデックス作成、検索機能LlamaCloudを提供します。この高度な解析により、エージェントはグラフ、図、複雑なフォーマットを含む実際のエンタープライズドキュメントを効果的に操作できます。詳細については、[LlamaCloud のドキュメント](https://developers.llamaindex.ai/python/cloud/)を参照してください。
+ **ワークフローオーケストレーション** – 複数ステップのエージェントシステムを構築するためのイベント駆動型の非同期ファーストオーケストレーションエンジンLlamaAgentsを提供します。ワークフローは、ループ、並列実行、条件分岐、ステートフル再開などの複雑なパターンをサポートしているため、高度なエージェントインタラクションに最適です。詳細については、[LlamaIndexワークフローのドキュメント](https://developers.llamaindex.ai/python/framework/understanding/workflows/)を参照してください。
+ **エージェント取り出し機能** – ハイブリッド検索、セマンティック検索、自動ルーティングなどの高度な取り出しモード。各クエリに最適な取り出し戦略をインテリジェントに決定します。このフレームワークは、精度を高めるために再ランク付けして、複数のナレッジベースにわたる複合取得をサポートします。詳細については、[LlamaIndexRAG ドキュメント](https://developers.llamaindex.ai/python/framework/understanding/rag/)を参照してください。
+ **オブザーバビリティと評価** – さまざまなオブザーバビリティと評価ツールとLlamaIndex統合されます。この統合機能は、アプリケーションのトレースとデバッグ、パフォーマンスの評価、コストのモニタリングに役立ちます。詳細については、[「トレースとデバッグと評価](https://developers.llamaindex.ai/python/framework/understanding/tracing_and_debugging/tracing_and_debugging/)」のLlamaIndexドキュメントを参照してください。 [https://developers.llamaindex.ai/python/framework/module_guides/evaluating](https://developers.llamaindex.ai/python/framework/module_guides/evaluating)
## LlamaIndex を使用する場合
LlamaIndex は、データ集約型のワークフローとナレッジ管理を重視するエージェント AI シナリオに特に適しています。
+ エージェントが契約、レポート、マニュアル、規制申請などの大量のエンタープライズドキュメントからインサイトを処理、分析、抽出する必要があるドキュメントの多いアプリケーション
+ 組織が大規模なインフラストラクチャ管理オーバーヘッドなしでドキュメント中心のエージェントを迅速に構築およびデプロイしたい実稼働シナリオへの迅速なプロトタイプ
+ 取得精度とコンテキストの関連性を優先する RAG ファーストアーキテクチャ。特にテーブル、イメージ、構造化データを含む複雑でマルチモーダルなドキュメントを操作する場合
+ 解析、分析、要約、コンプライアンスチェックなど、ドキュメント処理のさまざまな側面に特化したエージェントを必要とするマルチエージェントドキュメントワークフロー
## の実装アプローチ LlamaIndex
LlamaIndex は、さまざまな実装アプローチに対応する低レベルの構成要素と高レベルの抽象化の両方を提供します。
+ LlamaIndex 高レベルの APIs。このアプローチにより、エージェント AI を初めて使用するビジネスチームや開発者がLlamaIndexアクセスできるようになります。
+ SharePoint、Amazon Simple Storage Service (Amazon S3)、データベース、APIs などの一般的なエンタープライズシステム向けの LlamaHub を介したエンタープライズ統合。このアプローチにより、既存のデータインフラストラクチャとシームレスに統合できます。
+ 最大制御のためのオープンソースのセルフホストデプロイと、運用オーバーヘッドとエンタープライズ機能を削減するためのLlamaCloudマネージドサービス間の柔軟なデプロイオプション。
+ アプリケーションはシンプルなクエリエンジンから開始し、要件の進化に応じてエージェント機能、マルチエージェントオーケストレーション、複雑なワークフローを段階的に追加できます。
## の実例 LlamaIndex
この例では、航空ナビゲーションおよび運用ソリューションを専門とする航空会社の子会社に焦点を当てています。調整されていない AI チャットボットトライアルのパイロット化に伴う課題の増大に対処する必要があります。このトライアルにより、組織全体で作業が繰り返され、開発サイクルが長くなり、コンプライアンスの障害が発生し、実装が分離されました。
エージェント作成をはるかに効率的にするLlamaIndexオープンソースフレームワーク上に構築された再利用可能なテンプレートベースのソリューションである統合エージェントフレームワークを開発しました。チェーン指向とグラフベースの競合するフレームワークをいくつか比較しました。最終的に、柔軟な設計、モジュラーコンポーネント、本番稼働対応のオーケストレーションコントロールという 3 つの重要な利点を選択LlamaIndexしました。
このプラットフォームは、エージェントの開発とデプロイの時間を 512 時間から 64 時間に 87% 短縮します。この削減は、チームが約 50 行のコードと JSON 設定ファイルを使用してエージェントを構築できるようにすることで実現されました。チームは、セキュリティ、コンプライアンス、特権システムアクセスが組み込まれた統合フレームワークを活用しました。詳細については、[LlamaIndex「 カスタマーのケーススタディ](https://www.llamaindex.ai/customers)」を参照してください。