Cách @11xAIbuild xây dựng Alice, AI SDR 🚀 Việc đào tạo SDR có thể mất nhiều thời gian, 11x đã rút ngắn thời gian này xuống còn vài ngày bằng cách giải quyết một thách thức quan trọng: làm cho AI hiểu các tài liệu công ty phức tạp như con người. 𝗧𝗵𝗲 𝗯𝗿𝗲𝗮𝗸𝘁𝗵𝗿𝗼𝘂𝗴𝗵: Nhập và phân tích tài liệu đa phương thức sử dụng LlamaParse ✅ PDFs, PowerPoints và tất cả các loại tài liệu - tất cả đều được phân tích tự động và làm cho dễ đọc với LLMs ✅ Kiểm soát phân tích chi tiết cho bảng, hình ảnh và dữ liệu không có cấu trúc Khả năng của LlamaParse trong việc xử lý các loại tệp đa dạng với độ chính xác, cộng với các công cụ ưu tiên cho nhà phát triển cho phép 11x tập trung vào việc xây dựng đại lý của họ, không phải hạ tầng phân tích. Bạn muốn biết chi tiết kỹ thuật đầy đủ? 📖 Đọc nghiên cứu trường hợp: 🎥 Xem phần phân tích kỹ thuật từ nhóm tại @aiDotEngineer mới nhất:

Sử dụng @claudeai, bạn giờ đây có kết quả tìm kiếm dưới dạng các khối nội dung, mang lại trích dẫn cho các ứng dụng đại lý - không còn cần phải làm việc với tài liệu nữa! 𝙆𝙝𝙤𝙖 𝙩𝙞𝙚̂́𝙣 𝙩𝙝𝙤̂́𝙣𝙜 𝙖𝙨 𝙘𝙤𝙣𝙩𝙚𝙣𝙩 𝙗𝙡𝙤𝙘𝙠𝙨 của @AnthropicAI cho phép ghi nhận nguồn chính xác cho các kết quả từ các cuộc gọi công cụ, phù hợp với chất lượng trích dẫn mà bạn nhận được từ chức năng tìm kiếm trên web: 🔗 Trích dẫn tự nhiên với nguồn và tiêu đề được liên kết trở lại các cuộc gọi công cụ cụ thể ⚡ Có sẵn trên Claude Opus 4.1, Claude Sonnet 4, và các mô hình mới nhất khác thông qua Anthropic và Google Vertex AI 🛠️ Chúng tôi đã tích hợp điều này vào LlamaIndex với hỗ trợ đầy đủ cho các kết quả công cụ có thể trích dẫn và quy trình làm việc của đại lý Đọc tài liệu chính thức: Bắt đầu với tích hợp LlamaIndex:

Cải thiện độ chính xác truy xuất bằng cách xếp hạng lại kết quả PDF của bạn với @ZeroEntropy_AI 📊 Tìm hiểu cách nâng cao quy trình tìm kiếm tài liệu của bạn với các kỹ thuật xếp hạng lại giúp tăng điểm độ liên quan cho các phản hồi AI tốt hơn. 🎯 Kết hợp khả năng trích xuất PDF tiên tiến của LlamaParse với các mô hình xếp hạng lại để làm nổi bật các phần thông tin liên quan nhất 📈 Thực hiện xếp hạng lại ngữ nghĩa với 𝙯𝙚𝙧𝙖𝙣𝙠-1 để cải thiện chất lượng truy xuất vượt xa tìm kiếm tương đồng cơ bản ⚡ So sánh kết quả trước và sau khi xếp hạng lại để thấy sự cải thiện có thể đo lường được trong chất lượng câu trả lời LlamaParse xử lý các cấu trúc PDF phức tạp trong khi xếp hạng lại đảm bảo người dùng của bạn nhận được thông tin liên quan nhất mỗi lần. Xem hướng dẫn đầy đủ:

Xây dựng các tác nhân AI thời gian thực có thể xử lý dữ liệu giọng nói trực tiếp từ các cuộc họp @Zoom bằng cách sử dụng RTMS và LlamaIndex 🎙️🤖 Tham gia cùng chúng tôi trong một buổi hội thảo kỹ thuật thực hành vào ngày 14 tháng 8, nơi bạn sẽ học cách tạo ra các hệ thống AI đạt tiêu chuẩn sản xuất hoạt động với âm thanh phát trực tuyến: 🔗 Thiết lập Zoom RTMS để ghi lại âm thanh trực tiếp 📊 Sử dụng các đoạn văn bản để làm ngữ cảnh cho LLM 🧠 Xây dựng các tác nhân thông minh, dựa trên sự kiện có thể tóm tắt các cuộc trò chuyện, phát hiện ý định, tạo ra các mục hành động và ghi chú cuộc họp Tham gia cùng @ojusave và @tuanacelik để có một kế hoạch hoàn chỉnh cho việc điều phối LLM với dữ liệu giọng nói trực tiếp. Đăng ký tham gia hội thảo: Thứ Năm, 14 tháng 8, 2025 6:00 PM CEST

Xin chào GPT-5! @OpenAI vừa công bố mô hình mới nhất của họ 🔥 Chúng tôi có hỗ trợ ngày-0: 𝗽𝗶𝗽 𝗶𝗻𝘀𝘁𝗮𝗹𝗹 -𝗨 𝗹𝗹𝗮𝗺𝗮-𝗶𝗻𝗱𝗲𝘅-𝗹𝗹𝗺𝘀-𝗼𝗽𝗲𝗻𝗮𝗶 Liệu GPT-5 có thể tìm thấy kho báu trong một mê cung không? Hãy thử nghiệm với Agent Maze: một tác nhân với công cụ tối thiểu, được giao nhiệm vụ giải quyết một mê cung (mà chúng tôi tạo ra). Chúng tôi sau đó sẽ kiểm tra thời gian và số lần gọi công cụ. Hãy thử nghiệm Agent Maze: Và bắt đầu với LlamaIndex & GPT-5:

Xây dựng ứng dụng AI doanh nghiệp với LlamaCloud Index và kết nối chúng với các tác nhân gọi công cụ thông minh có thể xử lý các truy vấn phức tạp, nhiều bước. Hướng dẫn này của @seldo sẽ hướng dẫn bạn cách tạo LlamaCloud Index đầu tiên của bạn, sử dụng tài liệu ngân hàng của JP Morgan Chase và xây dựng một tác nhân có thể lý luận qua nhiều nguồn dữ liệu: 🏦 Thiết lập LlamaCloud Index để phân tích và lập chỉ mục các tài liệu PDF dày đặc như hợp đồng ngân hàng và bảng phí 🤖 Tạo các tác nhân đa công cụ sử dụng trừu tượng Workflows của chúng tôi có thể truy vấn dữ liệu đã lập chỉ mục của bạn cùng với các chức năng khác 💰 Xử lý các tình huống phức tạp như tính toán phí ngân hàng qua nhiều giao dịch và khoảng thời gian 📊 Phát trực tiếp lý luận của tác nhân theo thời gian thực để xem chính xác cách hệ thống AI của bạn xử lý các vấn đề nhiều bước Tác nhân đã xử lý thành công một tình huống ngân hàng phức tạp liên quan đến tính toán thấu chi, đánh giá phí và thời gian - chứng minh cách LlamaCloud Index tích hợp liền mạch với các quy trình tác nhân được xây dựng trên khung mã nguồn mở của chúng tôi. 📹 Xem toàn bộ hướng dẫn: 📖 Bắt đầu với hướng dẫn:

🤖 @AnthropicAI vừa phát hành Claude Opus 4.1 và chúng tôi đã có hỗ trợ ngay từ ngày đầu, bạn chỉ cần chạy: 𝘱𝘪𝘱 𝘪𝘯𝘴𝘵𝘢𝘭𝘭 -𝘜 𝘭𝘭𝘢𝘮𝘢-𝘪𝘯𝘥𝘦𝘹-𝘭𝘭𝘮𝘴-𝘢𝘯𝘵𝘩𝘳𝘰𝘱𝘪𝘤 Bạn có muốn thử nghiệm với LlamaIndex không? Hãy xem ví dụ trong sổ tay của chúng tôi:

Sẵn sàng xem cách mà các Đại lý Tài liệu xử lý các tài liệu tài chính lộn xộn chưa? Hội thảo trực tuyến sắp tới của chúng tôi chỉ còn 1️⃣ tuần nữa sẽ cho bạn thấy chính xác cách xây dựng các hệ thống hoạt động với các tài liệu phức tạp, đa phương thức mà các đội tài chính phải xử lý hàng ngày: 📊 Xây dựng các đại lý tài liệu sử dụng động cơ phân tích cấp doanh nghiệp của LlamaCloud, có khả năng xử lý bảng lồng, biểu đồ và các định dạng không nhất quán trong các báo cáo 10-K và báo cáo thu nhập 🤖 Thiết lập quy trình tự động hoàn toàn từ đầu đến cuối với sự phối hợp của LlamaIndex để xử lý tài liệu liền mạch 💼 Triển khai các trường hợp sử dụng thực tế như phân tích hồ sơ SEC, đánh giá rủi ro danh mục đầu tư và báo cáo tuân thủ với các đường ống thông minh ⚡ Vượt qua các giới hạn của OCR truyền thống để trích xuất dữ liệu có thể hành động từ các tài liệu tài chính không có cấu trúc Tham gia cùng @tuanacelik và đội ngũ LlamaIndex, vào ngày 12 tháng 8 lúc 9 giờ sáng PST:

Dù bạn muốn trò chuyện với terminal của mình hay thêm một trợ lý giọng nói vào ứng dụng web của bạn, chúng tôi đã sẵn sàng hỗ trợ bạn với tích hợp Gemini Live, hiện có sẵn trong TypeScript! 👇 Hãy xem bản demo bên dưới, nơi @itsclelia sẽ chỉ cho bạn cách thiết lập và chạy một cuộc trò chuyện terminal đơn giản - nhưng nếu bạn rất háo hức muốn thử nghiệm, bạn chỉ cần chạy 𝘯𝘱𝘹 @𝘤𝘭𝘦-𝘥𝘰𝘦𝘴-𝘵𝘩𝘪𝘯𝘨𝘴/𝘭𝘪𝘷𝘦-𝘤𝘩𝘢𝘵 🏃 📚 Tìm hiểu về LlamaIndex TS: ⭐ Đánh dấu mã demo trên GitHub:

Rào cản lớn nhất trong việc triển khai các tác nhân AI tự động trong sản xuất không phải là khả năng, mà là độ tin cậy. Trong khi các buổi trình diễn cho thấy hành vi tự động ấn tượng, hầu hết các tổ chức gặp khó khăn khi các tác nhân phải đối mặt với thực tế phức tạp của môi trường doanh nghiệp. Các vòng lặp dựa trên token trôi dạt một cách không thể đoán trước, các cửa sổ ngữ cảnh bị ô nhiễm, và việc quản lý trạng thái thất bại qua các phiên. 🏭 Quản lý trạng thái liên tục của @MongoDB đảm bảo các tác nhân giữ được ngữ cảnh hoàn chỉnh qua các lần khởi động lại hệ thống và sự cố 🧠 Hệ thống truy xuất thông minh của chúng tôi loại bỏ ô nhiễm ngữ cảnh bằng cách học hỏi thông tin lịch sử nào là có giá trị ⚙️ Các quy trình LlamaIndex cho phép kiểm soát xác định trong hoạt động tự động, cung cấp khả năng kiểm toán mà không hy sinh tính thích ứng 📈 Sự xác thực thực tế từ @cemex cho thấy chu kỳ phát triển giảm từ ba tuần xuống dưới một ngày Tương lai không phải là lựa chọn giữa trí tuệ và độ tin cậy: mà là xây dựng các tác nhân tự động trên cơ sở hạ tầng đủ độ tin cậy để hỗ trợ hoạt động độc lập thực sự. Khi quản lý trạng thái liên tục hội tụ với các khung tác nhân thông minh, các tổ chức cuối cùng có thể triển khai các tác nhân hoạt động nhất quán trong sản xuất. Đọc cách @MongoDB và LlamaIndex đang giải quyết cuộc khủng hoảng độ tin cậy trong các tác nhân tự động: