LlamaIndex（ラマインデックス）
Jerry Liu 2022年発表の LLM RAG 特化フレームワーク。Python + JS・MIT・35K+ stars・「データ重視 RAG 主流」.
概要
LlamaIndex は 元 Uber 機械学習エンジニア Jerry Liu (米国) が2022年11月発表した LLM RAG 特化フレームワーク。Python + JavaScript/TypeScript 対応・MIT ライセンス + 完全無料・100+ データソース対応 (PDF + Notion + Slack + GitHub + Salesforce + 各種) + Vector DB (Chroma + Pinecone + Qdrant + Weaviate + LanceDB) 統合・「データ重視 RAG 業界主流フレームワーク 35K+ stars」。LlamaIndex は2022-2026年データ重視 RAG (Retrieval-Augmented Generation) 業界主流フレームワークで、「データ取り込み (Data Ingestion) + インデックス (Indexing) + Vector DB 統合 + クエリ (Querying) + RAG パイプライン」でLangChain (汎用 LLM フレームワーク) と差別化。LlamaIndex の革新点: ① データ取り込み + インデックス特化 で100+ データソース (PDF + Notion + Slack + GitHub + Salesforce + Web Scraping + 各種) ② Vector DB 統合 (Chroma + Pinecone + Qdrant + Weaviate + LanceDB + Milvus + 主要全 Vector DB) ③ RAG パイプライン抽象化 で**「データ取り込み → 埋め込み → Vector DB 投入 → クエリ → LLM 回答生成」を統一 API** ④ LlamaCloud (マネージド RAG) でProduction RAG サービス + チーム連携 + 監査 ⑤ LlamaParse でPDF (複雑な表 + 画像 + 数式) を高精度解析 + Adobe Acrobat レベルのPDF 解析品質。主要利用パターン: ① 企業内ナレッジベース RAG (Confluence + Notion + SharePoint + Slack 等を LLM で検索可能化) ② PDF + Word + 各種ドキュメント解析 ③ 法務 + 医療 + 金融業界の文書検索 ④ チャットボット + AI アシスタント (RAG ベース)。
主な特徴・仕組み
- 発表: Jerry Liu (米国・元 Uber)・2022年11月
- ライセンス: MIT (完全無料 + 商用 OK)
- 対応言語: Python (主流) + JavaScript/TypeScript
- 対応 LLM: OpenAI + Anthropic + Google Gemini + Meta Llama + Hugging Face + 主要全 LLM ベンダ
- データソース: 100+ (PDF + Notion + Slack + GitHub + Salesforce + Confluence + SharePoint + Web Scraping + 各種)
- Vector DB 統合: Chroma + Pinecone + Qdrant + Weaviate + LanceDB + Milvus + Redis + 主要全 Vector DB
- GitHub: 35K+ stars (Python)・データ重視 RAG 業界主流
- 資金調達: 2024年 Series A $19M ($300M+ 評価額)
- LlamaCloud (マネージド): $0-$500/月 (Free + Pro + Enterprise)
- LlamaParse (PDF パーサ): $0-$0.003/page・Adobe Acrobat レベル品質
- 競合: LangChain (汎用 LLM・300K+ stars) + Haystack (deepset・17K+ stars) + Cohere RAG
スペック比較表
| RAG フレームワーク | 提供 | スター数 | 特徴 |
|---|---|---|---|
| LlamaIndex | LlamaIndex Inc. | 35K+ | データ重視 + RAG 特化 + 100+ データソース |
| LangChain | LangChain Inc. | 300K+ | 汎用 LLM フレームワーク + RAG 機能あり |
| Haystack (deepset) | deepset | 17K+ | RAG + 検索特化 |
| Cohere RAG | Cohere | (商用) | Cohere 主流 |
| Vectara | Vectara | (商用) | エンタープライズ RAG |
具体例・対応製品
- LlamaIndex (Python・PyPI・無料) :
pip install llama-index - LlamaCloud (マネージド RAG・$0-$500/月) : Production RAG サービス
- LlamaParse (PDF パーサ・$0-$0.003/page) : 複雑 PDF 高精度解析
- Vector DB (Chroma + Pinecone + Qdrant) : 統合主流
- LlamaHub : 100+ データソースコネクタライブラリ
自作PCでの選び方・注意点
LlamaIndex は2026年現在 「データ重視 RAG 業界主流フレームワーク + 35K+ stars」。選び方: ① データ重視 + RAG + 100+ データソース + Vector DB 統合 ならLlamaIndex ($0・MIT) ② 汎用 LLM + Agent + Chain + RAG 機能あり ならLangChain ($0・MIT・300K+ stars) ③ RAG + 検索特化 + エンタープライズ ならHaystack (deepset・$0・MIT・17K+ stars) ④ Cohere LLM + RAG パイプライン ならCohere RAG ($0.0006/1K tokens から商用) ⑤ エンタープライズ + 商用サポート ならVectara (商用・カスタム価格)。重要な注意: ① 2022年11月 Jerry Liu 発表 → 2026年現在 35K+ stars データ重視 RAG 業界主流 ② データ取り込み + インデックス特化 で100+ データソース (PDF + Notion + Slack + GitHub + Salesforce + Confluence + SharePoint) でエンタープライズ RAG 主流 ③ LlamaParse (PDF パーサ・$0-$0.003/page) で複雑な表 + 画像 + 数式 + 多段組 PDF を Adobe Acrobat レベル品質で解析 + 法務 + 医療 + 金融業界文書解析適合 ④ LlamaCloud (マネージド RAG・$0-$500/月) でProduction RAG サービス + チーム連携 + 監査 + Enterprise SSO ⑤ LangChain (300K+ stars・汎用 LLM フレームワーク) と相補的で**「LangChain で Agent + Chain」+「LlamaIndex で RAG + データ取り込み」の組み合わせ主流**。
関連用語との違い
- LangChain: 競合・300K+ stars・汎用 LLM フレームワーク。
- Haystack: 競合・17K+ stars・RAG + 検索特化。
- OpenAI Agents SDK: 競合・OpenAI 公式 + 軽量 + Multi-Agent。
よくある質問（FAQ）
Q1: LlamaIndex vs LangChain？ A: LlamaIndex (35K+ stars + データ重視 + RAG 特化 + 100+ データソース) vs LangChain (300K+ stars + 汎用 LLM フレームワーク + Agent + Chain)。RAG + データ重視 ならLlamaIndex、汎用 LLM アプリ ならLangChain。両方併用も主流。
Q2: LlamaParse の精度？ A: 複雑な表 + 画像 + 数式 + 多段組 PDF を Adobe Acrobat レベル品質で解析・法務 + 医療 + 金融業界文書解析適合・$0.003/page (Standard)・$0.012/page (Premium)。無料枠 1,000 pages/日。
Q3: LlamaCloud 必要？ A: 必須ではないが Production RAG + チーム連携 + 監査 + Enterprise SSO + マネージド ならLlamaCloud ($0-$500/月) 推奨。個人開発 + 学習 ならLlamaIndex (Python・無料) で十分。