29 LlamaIndex中的转换：数据处理的魔法

LlamaIndex中的转换：数据处理的魔法

在LlamaIndex的世界里，转换（Transformations）就像是一位魔法师，能够将一堆原始数据变成有用的信息。这些转换接受一列节点作为输入，然后返回一列节点。每个实现了Transformation基类的组件都有同步的__call__()定义和异步的acall()定义。

当前的转换组件

目前，以下组件是转换对象：

• TextSplitter：将文本分割成小块。
• NodeParser：解析节点。
• MetadataExtractor：提取元数据。
• Embeddingsmodel：嵌入模型（查看我们支持的嵌入模型列表）。

使用模式

虽然转换最好与摄取管道（IngestionPipeline）一起使用，但它们也可以直接使用。

from llama_index.core.node_parser import SentenceSplitter
from llama_index.core.extractors import TitleExtractor

node_parser = SentenceSplitter(chunk_size=512)
extractor = TitleExtractor()

# 直接使用转换
nodes = node_parser(documents)

# 或者异步使用转换
nodes = await extractor.acall(nodes)

与索引结合使用

转换可以传递给索引或全局设置，并在调用from_documents()或insert()时使用。

from llama_index.core import VectorStoreIndex
from llama_index.core.extractors import (
    TitleExtractor,
    QuestionsAnsweredExtractor,
)
from llama_index.core.ingestion import IngestionPipeline
from llama_index.core.node_parser import TokenTextSplitter

transformations = [
    TokenTextSplitter(chunk_size=512, chunk_overlap=128),
    TitleExtractor(nodes=5),
    QuestionsAnsweredExtractor(questions=3),
]

# 全局设置
from llama_index.core import Settings

Settings.transformations = [text_splitter, title_extractor, qa_extractor]

# 每个索引设置
index = VectorStoreIndex.from_documents(
    documents, transformations=transformations
)

自定义转换

你可以通过实现基类来实现任何自定义转换。以下是一个自定义转换的例子，它会移除文本中的任何特殊字符或标点符号。

import re
from llama_index.core import Document
from llama_index.embeddings.openai import OpenAIEmbedding
from llama_index.core.node_parser import SentenceSplitter
from llama_index.core.ingestion import IngestionPipeline
from llama_index.core.schema import TransformComponent

class TextCleaner(TransformComponent):
    def __call__(self, nodes, **kwargs):
        for node in nodes:
            node.text = re.sub(r"[^0-9A-Za-z ]", "", node.text)
        return nodes

这些自定义转换可以直接使用，也可以在任何摄取管道中使用。

# 在管道中使用
pipeline = IngestionPipeline(
    transformations=[
        SentenceSplitter(chunk_size=25, chunk_overlap=0),
        TextCleaner(),
        OpenAIEmbedding(),
    ],
)

nodes = pipeline.run(documents=[Document.example()])

通过这些转换，你可以将原始数据变成有用的信息，就像魔法师一样，用魔法棒一挥，就能变出你想要的任何东西。在LlamaIndex的世界里，转换就是你的魔法棒，让你的数据处理变得更加简单和高效。