Framework di dati per la creazione di applicazioni LLM con RAG. Specializzato nell'inserimento di documenti (oltre 300 connettori), nell'indicizzazione e nell'esecuzione di query. Presenta indici vettoriali, motori di query, agenti e supporto multimodale. Utilizzare per domande e risposte su documenti, chatbot, recupero di conoscenze o creazione di pipeline RAG. Ideale per applicazioni LLM incentrate sui dati.
Installa rapidamente la skill AI llamaindex nel tuo ambiente di sviluppo tramite riga di comando
Fonte: orchestra-research/ai-research-skills.
| Index 100 docs | 10-30s | One-time, can persist | | Query (vector) | 0.5-2s | Retrieval + LLM | | Streaming query | 0.5s first token | Better UX | | Agent with tools | 3-8s | Multiple tool calls |
| Best for | RAG, document Q&A | Agents, general LLM apps | | Data connectors | 300+ (LlamaHub) | 100+ | | RAG focus | Core feature | One of many | | Learning curve | Easier for RAG | Steeper | | Customization | High | Very high | | Documentation | Excellent | Good |
Framework di dati per la creazione di applicazioni LLM con RAG. Specializzato nell'inserimento di documenti (oltre 300 connettori), nell'indicizzazione e nell'esecuzione di query. Presenta indici vettoriali, motori di query, agenti e supporto multimodale. Utilizzare per domande e risposte su documenti, chatbot, recupero di conoscenze o creazione di pipeline RAG. Ideale per applicazioni LLM incentrate sui dati. Fonte: orchestra-research/ai-research-skills.
Campi e comandi stabili per citazioni AI/ricerca.
npx skills add https://github.com/orchestra-research/ai-research-skills --skill llamaindexBrowse more skills from orchestra-research/ai-research-skills
Framework di dati per la creazione di applicazioni LLM con RAG. Specializzato nell'inserimento di documenti (oltre 300 connettori), nell'indicizzazione e nell'esecuzione di query. Presenta indici vettoriali, motori di query, agenti e supporto multimodale. Utilizzare per domande e risposte su documenti, chatbot, recupero di conoscenze o creazione di pipeline RAG. Ideale per applicazioni LLM incentrate sui dati. Fonte: orchestra-research/ai-research-skills.
Apri il tuo terminale o strumento da riga di comando (Terminal, iTerm, Windows Terminal, ecc.) Copia ed esegui questo comando: npx skills add https://github.com/orchestra-research/ai-research-skills --skill llamaindex Dopo l'installazione, la skill verrà configurata automaticamente nel tuo ambiente AI di coding e sarà pronta all'uso in Claude Code, Cursor o OpenClaw
https://github.com/orchestra-research/ai-research-skills