OSS探訪

LlamaIndex — 文書取込・検索・RAG・Agentを組み合わせるLLMデータフレームワーク

スコアの見方

OSS規模スコアはStars・Watchers・Forks・Contributorsを対数圧縮して重み付けした現在の規模指標(上限なし)です。発掘スコアは現在のOSS規模スコアから発掘時点のOSS規模スコアを引いた値、更新ペースは直近30日Commit数、成長モメンタムは直近の観測期間におけるOSS規模スコア差、OSS健全度は取得できた更新状況・Community Health・Releaseの0〜100評価です。

Stars
52,236
主要言語
Python
ライセンス
MIT
リポジトリ最終更新
2026/09/19

概要

LlamaIndexは、PDFやAPI、SQLなどからデータを取り込み、index、retriever、query engine、LLM、embedding、vector storeを組み合わせてRAGやAgentアプリを構築するPython OSSフレームワークです。coreと300以上のintegration packageを組み合わせ、必要なProviderだけ選ぶ構成にもできます。

特徴と向いている用途

公式資料に基づく紹介・実機未検証 · 内容確認日:

独自データをLLMで使える形へ取り込み・索引化する

data connectorから文書や各種データを読み込み、indexやgraphなどに構造化し、検索可能なcontextとしてLLMへ渡す流れを構築できます。

出典:[2]

retriever・query engine・integrationを交換する

LLM、embedding、vector storeなどをintegration packageとして差し替え、RAGのretrievalやrerankingを用途に合わせて構成できます。

出典:[2][4]

文書中心のRAG・検索・Agentアプリを素早く組みたい場合に

社内文書、PDF、データベースなどを検索し、取得したcontextをLLMやAgentへ渡すアプリケーションを部品化して開発したい用途に向きます。

出典:[2][4]

OSS frameworkとLlamaParse製品群の範囲を分けて確認する

READMEではOSS toolkitは継続提供されていますが、会社の現在の主軸はLlamaParse、LiteParse、文書解析・抽出ベンチマークへ移ったと説明されています。Cloud機能を前提にするかOSSだけで構成するかを導入前に整理してください。

出典:[2]

参考にした公式資料

  1. [1]run-llama/llama_index repository(2026-09-20)
  2. [2]LlamaIndex README(2026-09-20)
  3. [3]LlamaIndex MIT license(2026-09-20)
  4. [4]LlamaIndex OSS documentation(2026-09-20)
編集部からの補足

RAGの検索部分を自前で一から組むより、文書取込・index・retrieval・LLM/embedding/vector store連携を部品として組み替えたい場合に向きます。READMEではOSS frameworkは継続提供される一方、会社の主軸は2026年現在LlamaParseなど文書解析・抽出へ移ったと明記されています。

3ステップで試す

  1. 1

    LlamaIndex starter packageを導入

    coreと代表的なintegrationを含むstarter packageを仮想環境へ導入します。

    python -m pip install llama-index
  2. 2

    API keyを設定

    まずREADMEの最小例に合わせてLLM Providerの資格情報を環境変数へ設定します。別Providerを使う場合は対応integrationへ置き換えます。

    export OPENAI_API_KEY="..."
  3. 3

    文書をindex化してquery

    SimpleDirectoryReaderなどで文書を読み込み、index作成からretrieval/queryまでの基本フローを確認します。

    VectorStoreIndex.from_documents(...) → index.as_query_engine().query(...)
公式READMEで確認

成長

成長の推移 · 直近30日

52,236 Stars

推移データを蓄積中です。

開発アクティビティ

直近90日・週次

Commit(直近30日)
38
Open PR
584
Issue登録
164
Issue解決
132
PR登録
819
PRマージ
110

Issues

164 / 132

6月23日9月20日
Issue登録Issue解決

Pull Requests

819 / 110

6月23日9月20日
PR登録PRマージ

メンテナンス状況

Issue初回応答中央値
13分
Issue応答率
9% (9/100)

直近90日に外部から作成されたIssue(新しい順に最大100件)が対象です。OWNER・MEMBER・COLLABORATORによる最初のコメントを応答とし、全コメントを確認できないIssueは集計から除外します。中央値と応答率は週次更新です。

Built with

カテゴリとタグ

カテゴリ

GitHubデータ

GitHubのデータGitHubの詳細データを見る

GitHub Topics

  • agents
  • application
  • data
  • fine-tuning
  • framework
  • llamaindex
  • llm
  • rag
  • vector-database
  • multi-agents
Stars
52,236
Forks
8,177
Watchers
287
Open Issues
220
Contributors
476
主要言語
Python
ライセンス
MIT
リポジトリ最終更新
2026/09/19

このOSSの使い方や活用事例をMarkdownで投稿できます。管理者が承認した後に公開されます。

情報の誤りを報告

掲載内容に誤りや古い情報があればお知らせください。