54 LlamaIndex中，SummaryIndex的工作原理

在LlamaIndex中，SummaryIndex是一个特殊的索引类型，它允许你将多个对象（如检索器、查询引擎等）组合在一起，形成一个顶级的索引。当你创建一个SummaryIndex并传入多个对象时，这些对象会被组合在一起，形成一个统一的查询接口。

索引的工作原理

当你创建一个SummaryIndex并传入多个对象时，这些对象会被组合在一起，形成一个统一的查询接口。具体来说，当你对SummaryIndex进行查询时，它会同时触发所有传入对象的检索操作，并将所有检索到的结果汇总在一起，然后生成一个最终的响应。

summary_index = SummaryIndex(objects=[vector_obj, bm25_obj])

在这个例子中，summary_index包含了两个对象：vector_obj和bm25_obj。这两个对象分别代表向量检索器和BM25检索器。

查询过程

当你对summary_index进行查询时，它会同时触发vector_obj和bm25_obj的检索操作：

query_engine = summary_index.as_query_engine(response_mode="tree_summarize", verbose=True)

response = await query_engine.aquery("How does attention work in transformers?")
print(str(response))

在这个查询过程中，summary_index会同时使用vector_obj和bm25_obj进行检索：

1. 向量检索器 (vector_obj)：使用向量相似度进行检索。
2. BM25检索器 (bm25_obj)：使用BM25算法进行检索。

这两个检索器会并行工作，检索到的结果会被汇总在一起，然后生成一个最终的响应。

汇总结果

在response_mode="tree_summarize"模式下，SummaryIndex会将所有检索到的结果汇总在一起，并生成一个摘要性的响应。这个模式确保了并发执行和快速响应。

选择性查询

如果你希望选择性地使用某个特定的检索器进行查询，而不是同时使用所有检索器，你可以直接使用该检索器进行查询，而不是通过SummaryIndex。例如：

# 仅使用向量检索器进行查询
vector_query_engine = vector_retriever.as_query_engine()
vector_response = await vector_query_engine.aquery("How does attention work in transformers?")
print(str(vector_response))

# 仅使用BM25检索器进行查询
bm25_query_engine = bm25_retriever.as_query_engine()
bm25_response = await bm25_query_engine.aquery("How does attention work in transformers?")
print(str(bm25_response))

通过这种方式，你可以选择性地使用某个特定的检索器进行查询，而不是同时使用所有检索器。

总结

在SummaryIndex中，所有传入的对象（如检索器）都会被同时触发进行检索，并将所有检索到的结果汇总在一起，生成一个最终的响应。如果你希望选择性地使用某个特定的检索器进行查询，可以直接使用该检索器进行查询，而不是通过SummaryIndex。