LlamaIndex 快速开始

LlamaIndex（原名 GPT Index）是一个专门为 数据密集型 LLM 应用 设计的框架。它的核心强项是：如何将外部数据（PDF, 数据库, API 等）高效地连接到 LLM。

#1. 核心概念：数据连接器 (LlamaHub)

LlamaIndex 将数据处理分为三个阶段：

Loading (加载): 将数据读入系统。
Indexing (索引): 将数据转化为可搜索的结构。
Querying (查询): 输入问题，检索知识并生成答案。

#2. 安装

bash
pip install llama-index

#3. 5 行代码实现 RAG (检索增强生成)

假设你有一个名为 data 的文件夹，里面存着一些文本文件或 PDF：

python
from llama_index.core import VectorStoreIndex, SimpleDirectoryReader

# 1. 加载数据
documents = SimpleDirectoryReader("data").load_data()

# 2. 创建索引 (默认会调用 OpenAI 接口生成向量)
index = VectorStoreIndex.from_documents(documents)

# 3. 创建查询引擎
query_engine = index.as_query_engine()

# 4. 提问
response = query_engine.query("文件里提到了哪些关键点？")
print(response)

#4. 为什么选择 LlamaIndex 而不是 LangChain？

特性	LangChain	LlamaIndex
侧重点	通用框架、Chain、Agent	数据索引、检索、集成
上手难度	较复杂（组件极多）	极简单（针对数据检索优化）
数据源支持	丰富	极度丰富 (LlamaHub)
检索策略	基础检索	极其先进的检索/排序策略

#5. LlamaHub: 你的数据仓库

LlamaHub↗ 是 LlamaIndex 的插件市场。无论你的数据在 Notion、Google Drive、Slack 还是 SQL 数据库中，你都能在这里找到现成的 Reader（读取器）。

python
# 使用 LlamaHub 上的 Notion Reader
from llama_index.readers.notion import NotionPageReader

reader = NotionPageReader(integration_token="your_token")
documents = reader.load_data(page_ids=["page_id_1"])

下一步：深入了解 LlamaIndex 的灵魂——数据索引。

LlamaIndex 框架指南