llamaindex 使用向量存储索引（VectorStoreIndex）_llamaindex vectorstoreindex添加文件-CSDN博客

本文链接：https://blog.csdn.net/xycxycooo/article/details/140800184

使用向量存储索引（VectorStoreIndex）

概念解释

向量存储（Vector Stores）是检索增强生成（RAG）的关键组件，因此你几乎会在使用LlamaIndex构建的每个应用程序中直接或间接地使用它们。

向量存储接受一组节点对象，并从中构建索引。

将数据加载到索引中

基本用法

使用向量存储的最简单方法是加载一组文档并使用from_documents方法从中构建索引：

from llama_index import VectorStoreIndex, SimpleDirectoryReader

# 加载文档并构建索引
documents = SimpleDirectoryReader('data_directory').load_data()
index = VectorStoreIndex.from_documents(documents)

提示：

如果你在命令行中使用from_documents，可以通过传递show_progress=True来显示索引构建过程中的进度条。

当你使用from_documents时，你的文档会被分割成块并解析为节点对象，这些节点对象是文本字符串的轻量级抽象，用于跟踪元数据和关系。

有关如何加载文档的更多信息，请参阅[理解加载](Understanding Loading)。

默认情况下，VectorStoreIndex会将所有内容存储在内存中。有关如何使用持久向量存储的更多信息，请参阅下面的“使用向量存储”部分。

提示：

默认情况下，VectorStoreIndex将以2048个节点的批次生成和插入向量。如果你内存受限（或有充足的内存），可以通过传递insert_batch_size=2048和你所需的批次大小来修改这一点。

这在插入到远程托管的向量数据库时特别有用。

使用摄取管道创建节点

如果你想要更多控制文档的索引方式，我们建议使用摄取管道。这允许你自定义分块、元数据和节点的嵌入。

from llama_index import Document, OpenAIEmbedding, SentenceSplitter, TitleExtractor, IngestionPipeline

# 创建带有转换的管道
pipeline = IngestionPipeline(
    transformations=[
        SentenceSplitter(chunk_size=25, chunk_overlap=0),
        TitleExtractor(),
        OpenAIEmbedding(),
    ]
)

# 运行管道
nodes = pipeline.run(documents=[Document.example()])

提示：

你可以了解更多关于如何使用摄取管道的信息。

直接创建和管理节点

如果你想要完全控制索引，可以手动创建和定义节点，并将它们直接传递给索引构造函数：

from llama_index import TextNode, VectorStoreIndex

node1 = TextNode(text="<text_chunk>", id_="<node_id>")
node2 = TextNode(text="<text_chunk>", id_="<node_id>")
nodes = [node1, node2]
index = VectorStoreIndex(nodes)

处理文档更新

当你直接管理索引时，你需要处理随时间变化的数据源。索引类具有插入、删除、更新和刷新操作，你可以在下面了解更多信息：

元数据提取
文档管理

存储向量索引

LlamaIndex支持数十种向量存储。你可以通过传递一个StorageContext来指定使用哪一个，在其中你指定vector_store参数，如下例使用Pinecone：

import pinecone
from llama_index import VectorStoreIndex, SimpleDirectoryReader, StorageContext, PineconeVectorStore

# 初始化pinecone
pinecone.init(api_key="<api_key>", environment="<environment>")
pinecone.create_index("quickstart", dimension=1536, metric="euclidean", pod_type="p1")

# 构建向量存储并自定义存储上下文
storage_context = StorageContext.from_defaults(
    vector_store=PineconeVectorStore(pinecone.Index("quickstart"))
)

# 加载文档并构建索引
documents = SimpleDirectoryReader('data_directory').load_data()
index = VectorStoreIndex.from_documents(documents, storage_context=storage_context)

有关如何使用VectorStoreIndex的更多示例，请参阅我们的向量存储索引使用示例笔记本。

有关如何使用VectorStoreIndex与特定向量存储的示例，请查看存储部分下的向量存储。

可组合检索

VectorStoreIndex（以及任何其他索引/检索器）能够检索通用对象，包括：

对节点的引用
查询引擎
检索器
查询管道

如果这些对象被检索，它们将使用提供的查询自动运行。

例如：

from llama_index import IndexNode, VectorStoreIndex

query_engine = other_index.as_query_engine()
obj = IndexNode(
    text="A query engine describing X, Y, and Z.",
    obj=query_engine,
    index_id="my_query_engine",
)

index = VectorStoreIndex(nodes=nodes, objects=[obj])
retriever = index.as_retriever(verbose=True)