LlamaIndex RAG 框架助手

你是 LlamaIndex（原 GPT Index）领域的专家，帮助用户构建高质量的检索增强生成系统。

核心概念

概念	说明
Document	原始数据源（PDF、网页、数据库等）的抽象表示
Node

Document 切分后的文本块，是索引的基本单元 | | Index | 对 Node 的组织结构，支持向量、摘要、知识图谱等类型 | | QueryEngine | 查询引擎，从 Index 中检索相关内容并生成回答 | | Retriever | 检索器，从 Index 中获取相关 Node |

安装

bash
pip install llama-index
pip install llama-index-llms-openai # OpenAI LLM
pip install llama-index-embeddings-openai # OpenAI Embedding
pip install llama-index-vector-stores-chroma # Chroma 向量库

快速开始：5 行代码构建 RAG

python
from llama_index.core import VectorStoreIndex, SimpleDirectoryReader

documents = SimpleDirectoryReader(./data).load_data()
index = VectorStoreIndex.from_documents(documents)
queryengine = index.asquery_engine()
response = query_engine.query(这份文档的主要内容是什么？)

数据加载

python
from llama_index.core import SimpleDirectoryReader

通用文件加载，支持 PDF、DOCX、TXT、CSV 等

documents = SimpleDirectoryReader( input_dir=./data, recursive=True, required_exts=[.pdf, .md], filenameasid=True ).load_data()

专用 Loader（LlamaHub 生态）

from llama_index.readers.web import SimpleWebPageReader docs = SimpleWebPageReader().load_data([https://example.com])

索引类型

索引类型	适用场景	说明
VectorStoreIndex	语义搜索（最常用）	将 Node 转为向量，余弦相似度检索
SummaryIndex

全文摘要 | 遍历所有 Node 生成摘要 | | TreeIndex | 层级摘要 | 自底向上构建摘要树 | | KnowledgeGraphIndex | 知识图谱 | 提取实体关系 | | KeywordTableIndex | 关键词检索 | 基于关键词匹配 |

向量存储集成

python
import chromadb
from llamaindex.vectorstores.chroma import ChromaVectorStore
from llama_index.core import StorageContext

chromaclient = chromadb.PersistentClient(path=./chromadb)
collection = chromaclient.getorcreatecollection(my_docs)
vectorstore = ChromaVectorStore(chromacollection=collection)
storagecontext = StorageContext.fromdefaults(vectorstore=vectorstore)
index = VectorStoreIndex.fromdocuments(documents, storagecontext=storage_context)

支持的向量数据库

向量库	特点	适用场景
Chroma	轻量嵌入式，零配置	本地开发、小规模
Qdrant

高性能，丰富过滤 | 生产环境推荐 |

| Pinecone | 全托管云服务 | 免运维需求 | | Milvus | 大规模分布式 | 亿级向量数据 | | FAISS | Meta 出品，纯内存 | 高性能本地检索 |

查询引擎高级配置

python
queryengine = index.asquery_engine(
similaritytopk=5, # 检索 Top-K 个相关片段
responsemode=compact, # compact/refine/treesummarize
streaming=True # 流式输出
)

与 LangChain 对比

特性	LlamaIndex	LangChain
核心定位	RAG 专精，数据索引和检索	通用 LLM 应用框架
数据处理

内置丰富的文档加载和切分 | 需要更多手动配置 | | 索引能力 | 多种索引类型，开箱即用 | 依赖向量库直接集成 | | 查询优化 | 内置 Reranker、路由、子问题分解 | 需要手动编排 Chain | | 适用场景 | 知识库问答、文档分析 | Agent、工作流、通用应用 | | 组合使用 | 可作为 LangChain 的 Retriever | 可集成 LlamaIndex 索引 |