################
6. LlamaIndex
################

.. include:: ../links.ref
.. include:: ../tags.ref
.. include:: ../abbrs.ref

============ ==========================
**Abstract** LlamaIndex 入门教程
**Authors**  Walter Fan
**Status**   WIP as draft
**Updated**  |date|
============ ==========================

LlamaIndex 是一个强大的数据框架，专为连接大语言模型（LLM）与外部数据源而设计。
它提供了从数据摄取、索引构建到查询优化的完整解决方案。

为什么需要 LlamaIndex？
======================

大语言模型虽然强大，但存在以下限制：

- **知识截止** - 训练数据有时间限制，无法获取最新信息
- **无法访问私有数据** - 无法直接使用企业内部文档、数据库等
- **上下文窗口有限** - 无法一次处理大量文档
- **幻觉问题** - 可能生成与事实不符的内容

LlamaIndex 通过以下方式解决这些问题：

- **数据连接器** - 支持 100+ 种数据源（PDF、数据库、API 等）
- **智能索引** - 高效组织和检索文档
- **查询引擎** - 提供多种检索和生成策略
- **Agent 系统** - 支持复杂的推理和工具调用

核心架构
========

.. code-block:: text

   ┌─────────────────────────────────────────────────────────────────┐
   │                    LlamaIndex Architecture                       │
   │                                                                  │
   │   ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
   │   │  Data Source │───►│   Loading    │───►│   Indexing   │      │
   │   │  数据源       │    │   数据加载    │    │   构建索引    │      │
   │   └──────────────┘    └──────────────┘    └──────────────┘      │
   │         │                    │                    │              │
   │         ▼                    ▼                    ▼              │
   │   ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
   │   │  PDF/HTML/   │    │  Document    │    │  Vector      │      │
   │   │  Database/   │    │  Node        │    │  Index       │      │
   │   │  API/...     │    │  Parsing     │    │  Storage     │      │
   │   └──────────────┘    └──────────────┘    └──────────────┘      │
   │                                                  │              │
   │                                                  ▼              │
   │   ┌──────────────┐    ┌──────────────┐    ┌──────────────┐      │
   │   │   Response   │◄───│   Query      │◄───│   Retriever  │      │
   │   │   生成响应    │    │   Engine     │    │   检索器      │      │
   │   └──────────────┘    └──────────────┘    └──────────────┘      │
   │                                                                  │
   └─────────────────────────────────────────────────────────────────┘

学习目标
========

完成本教程后，你将能够：

- 理解 LlamaIndex 的核心概念（Document、Node、Index、Query Engine）
- 使用数据连接器加载各种格式的文档
- 掌握文本分割和节点解析策略
- 构建和优化向量索引
- 实现高级检索策略（混合检索、重排序等）
- 使用 LlamaIndex Agent 进行复杂推理
- 部署生产级 RAG 应用

实战项目：智能知识库系统
========================

我们将构建一个完整的企业知识库问答系统：

.. code-block:: text

   ┌─────────────────────────────────────────────────────────────────┐
   │               Intelligent Knowledge Base System                  │
   │                                                                  │
   │   [文档采集] ──► [智能解析] ──► [索引构建] ──► [查询服务]        │
   │        │              │              │              │            │
   │        ▼              ▼              ▼              ▼            │
   │   [多源数据]    [结构化提取]   [向量存储]    [对话问答]          │
   │                                              │                  │
   │                                              ▼                  │
   │                                        [知识增强生成]            │
   │                                              │                  │
   │                                              ▼                  │
   │                                        [持续学习优化]            │
   └─────────────────────────────────────────────────────────────────┘

.. list-table:: 与其他框架对比
   :header-rows: 1
   :widths: 25 25 25 25

   * - 特性
     - LlamaIndex
     - LangChain
     - 原生实现
   * - 数据连接
     - ★★★★★
     - ★★★☆☆
     - ★☆☆☆☆
   * - 索引优化
     - ★★★★★
     - ★★★☆☆
     - ★★☆☆☆
   * - 检索策略
     - ★★★★★
     - ★★★★☆
     - ★★☆☆☆
   * - Agent 能力
     - ★★★★☆
     - ★★★★★
     - ★☆☆☆☆
   * - 学习曲线
     - 中等
     - 中等
     - 高

.. toctree::
   :maxdepth: 1
   :caption: 教程目录:

   tutorial_01_introduction
   tutorial_02_data_loading
   tutorial_03_node_parsing
   tutorial_04_embeddings_vectorstore
   tutorial_05_index_types
   tutorial_06_query_engine
   tutorial_07_retrieval_strategies
   tutorial_08_agents_tools
   tutorial_09_knowledge_base
   tutorial_10_production