欢迎来到我的LlamaIndex系列,如果您也和我相同,在搭建RAG运用时,了解到了LlamaIndex, 那就请一起来学习它的各个功能模块和demo实例。 LlamaIndex 一 简单文档查询 – (juejin.cn)
前语
咱们经过各项装备,了解了LlamaIndex
在构建知识库和根据知识库的推荐两个阶段,怎样和事务相结合。本文,咱们将开端深入了解LlamaIndex
的各个模块。首先,LlamaIndex
强大的Data Connector
数据衔接器上场。
LlamaIndex
擅长和各种类型或格局的数据打交道,并经过Document
和Nodes
的概念,embedding
索引后,交给大模型处理,高精度完成AI知识库或AI助理运用开发。利用私有知识库,增强LLM
的检索才能, 即RAG
。
现在, 让咱们来仔细研讨Data Connectors
数据衔接器模块的细节。
Data Connectors
开端深入之前,咱们先来回顾下LlamaIndex
构建知识库(Knowledge Base)阶段的架构图。 最左侧的Data Sources部分展现了RAG
运用中,各种数据来历。RAG
运用多是聊天机器人或查找的产品形式,进口简单,这就需要LlamaIndex
具备整合或自然语言处理各种格局,或各种渠道数据的才能。图中列出了Databases 数据库,Documents 文档,APIs 运用接口。假如是大型企业或组织,这是要整多少数据库,横跨多长时间的文档,散落在多少事务中的API?
LangChain
作为LLm开发框架,将RAG这块交给LlamaIndex
, 正因为它的专业。当咱们开端着手RAG运用时,数据加载是非常重要的一个环节,且LlamaIndex
给咱们安排了那些科技和狠活…
数据衔接器接口
为支持不同数据源和格局的数据加载,LlamaIndex
准备了一堆数据接口类,让人好生欢迎
- Simple Directory Reader
- Psychic Reader
- DeepLake Reader
- Qdrant Reade
- Discord Reader
- MongoDB Reader
- Chroma Reader
- MyScale Reader
- Faiss Reader
- Obsidian Reader
- Slack Reader
- Web Page Reader
- Pinecone Reader
- Mbox Reader
- MilvusReader
- Notion Reader
- Github Repo Reader
- Google Docs Reader
- Database Reader
- Twitter Reader
- Weaviate Reader
衔接demos
- 衔接网页数据
from llama_index import download_loader #老版本能够直接import SimpleWebPageReader 现在得这么搞
SimpleWebPageReader = download_loader("SimpleWebPageReader")
loader = SimpleWebPageReader()
documents = loader.load_data(urls=['http://paulgraham.com/worked.html'])
各位,请留心。最新版本的LlamaIndex 根据llamahub
来保管,大家能够到Llama Hub来看最新文档。代码中download_loader的意思就是先从llamahub中加载SimpleWebPageReade衔接器。
从打印结果咱们能够看到,SimpleWebPageReader
接口将网页数据以Document的格局保存。
- 衔接Markdown格局文件
from pathlib import Path
from llama_index import download_loader
MarkdownReader = download_loader("MarkdownReader")
loader = MarkdownReader()
documents = loader.load_data(file=Path('./README.md'))
运用了MarkdownReader读取了当时目录下的README.md文件
- pdf 格局文件
from pathlib import Path
from llama_index import download_loader
PDFReader = download_loader("PDFReader")
loader = PDFReader()
documents = loader.load_data(file=Path('./article.pdf'))
- api
import requests
from llama_index import VectorStoreIndex, download_loader
headers = {
}
data = requests.get("https://api.github.com/users/shunwuyu/repos", headers=headers).json()
JsonDataReader = download_loader("JsonDataReader")
loader = JsonDataReader()
documents = loader.load_data(data)
index = VectorStoreIndex.from_documents(documents)
index.query("how many repos are there?")
根据github的api获取了json数据并发问。
综合事例
现在就让咱们根据Data Connectors的了解,去开发一个针对langchain
文档的知识库RAG运用
- 装置LlamaIndex
!pip install -q -U llama-index
- 设置OPANAI_API_KEY
import os
os.environ['OPENAI_API_KEY'] = 'your valid openai api key'
- 下载langchain文件并运用数据接口加载
!git clone https://github.com/sugarforever/wtf-langchain.git
wft-langchain这个repo,是langchain的开源教程库,里面的文档都是RAG
运用的语料来历
from llama_index import SimpleDirectoryReader
reader = SimpleDirectoryReader( input_dir="./wtf-langchain", required_exts=[".md"], recursive=True )
docs = reader.load_data() #加载数据到文档数组
咱们运用SimpleDirectoryReader, 读取了刚刚克隆下来的wtf-langchain目录下的所有markdown格局的文件。
- 对文档构建索引,生成知识库, 并初始化查询引擎
from llama_index import VectorStoreIndex
index = VectorStoreIndex.from_documents(docs)
query_engine = index.as_query_engine()
response = query_engine.query("什么是WTF LangChain?")
print(response)
从上图看,咱们拿到了准确的答案。
总结
- 在开发
RAG
运用时,数据加载是非常重要的一个环节。 Data Connectors 是LlamaIndex
的第一个核心模块。 - 练习一些数据接口,开端干活。