llamaindex

SKILL.md

| 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 |

使用 RAG 建構 LLM 應用程式的資料框架。專注於文件攝取（300 多個連接器）、索引和查詢。具有向量索引、查詢引擎、代理和多模式支援。用於文件問答、聊天機器人、知識檢索或建立 RAG 管道。最適合以數據為中心的法學碩士應用程式。 來源：orchestra-research/ai-research-skills。

開啟你的終端機或命令列工具（如 Terminal、iTerm、Windows Terminal 等） 複製並執行以下指令：npx skills add https://github.com/orchestra-research/ai-research-skills --skill llamaindex 安裝完成後，技能將自動設定到你的 AI 程式設計環境中，可以在 Claude Code 或 Cursor 中使用

查看原文