从Java转行大模型应用，LlamaIndex入门
一、什么是 LlamaIndex（初识）
1. 官方定义
LlamaIndex 是开源上下文增强 LLM 应用框架，专注解决大模型无法访问私有数据、上下文有限、缺乏领域知识的问题，是构建 RAG、智能代理、工作流的首选工具之一。
2. 核心定位
- 大模型的数据连接器：对接文档、数据库、API、云存储等多源数据
- 大模型的记忆增强系统：通过索引 + 检索，给模型补充私有知识
- 大模型的任务编排引擎：支持代理自主决策、工作流自动化执行
3. 核心能力
- 数据接入：Readers 读取 PDF/Excel/ 网页 / 数据库等
- 数据处理：分块、向量化、元数据管理
- 索引构建：向量索引、关键词索引、知识图谱索引等
- 查询交互：Query Engine（问答）、Chat Engine（对话）
- 高级能力：Agent（自主代理）、Workflow（工作流编排）
二、LlamaIndex 快速入门（5 行代码跑通 RAG）
1. 环境准备
# 安装核心包 pip install llama-index # 配置 OpenAI Key（也可换本地模型） export OPENAI_API_KEY="你的API密钥"2. 极简 RAG 示例
# 1. 导入核心模块 from llama_index.core import VectorStoreIndex, SimpleDirectoryReader # 2. 加载 data 文件夹下的文档（txt/md/pdf 等） documents = SimpleDirectoryReader("data").load_data() # 3. 构建向量索引 index = VectorStoreIndex.from_documents(documents) # 4. 创建查询引擎 query_engine = index.as_query_engine() # 5. 提问并输出答案 response = query_engine.query("这份文档的核心内容是什么？") print(response)3. 执行步骤
- 新建
data文件夹，放入任意文本文件 - 运行代码，即可实现私有文档智能问答
三、核心概念：什么是 Agent（代理）？
1. 通俗理解
代理 =LLM + 工具 + 记忆 + 自主决策不是简单问答，而是能自己拆任务、选工具、多步推理、完成复杂目标的智能体。
2. 核心特点
- 自主规划：把复杂问题拆成多步（如 “先查数据→再计算→最后总结”）
- 工具调用：调用查询引擎、API、数据库、代码执行器等
- 记忆能力：保留对话历史，支持多轮交互
- 反思修正：根据结果调整策略，提升准确性
3. LlamaIndex 主流代理类型
- ReAct Agent：推理 + 行动，最通用
- Function Calling Agent：基于函数调用，精准执行工具
- CodeAct Agent：自动生成并执行代码，适合数据分析
4. 适用场景
- 多步骤数据分析
- 跨文档信息整合
- 自动化业务流程（如报表生成、信息核验）
四、核心概念：什么是 Workflow（工作流）？
1. 通俗理解
工作流 =事件驱动的多步骤 AI 任务编排把 RAG、代理、工具调用、数据处理等步骤，串成可复用、可监控、可暂停恢复的自动化流程。
2. 核心特性
- 事件驱动：Step 接收事件→处理→输出新事件→驱动下一步
- 状态管理：Context 全局状态，数据在步骤间流转
- 异步优先：高性能，适配生产环境（如 FastAPI）
- 灵活编排：支持分支、循环、并行、重试、异常处理
3. 核心组成
- Step：工作流最小执行单元（一个函数 / 一个工具调用）
- Event：步骤间传递的消息 / 数据
- Context：全局状态，共享数据
- StopEvent：结束工作流的信号
4. 适用场景
- 复杂 RAG pipeline（检索→重排→校验→生成）
- 多代理协作任务
- 生产级 AI 自动化服务
五、学习总结
1. 核心关系
- LlamaIndex：底座，提供数据、索引、检索、代理、工作流全能力
- RAG：基础能力，解决大模型私有知识问答
- Agent：高级能力，自主决策 + 工具调用
- Workflow：编排能力，把 RAG/Agent 组装成生产级流程
2. 学习路径
- 入门：跑通 5 行 RAG 代码，理解数据加载→索引→查询
- 进阶：学习 Query/Chat Engine 优化（分块、检索、重排）
- 高阶：掌握 Agent 自主任务、Workflow 流程编排
3. 关键记忆点
- LlamaIndex =数据 + 检索 + 代理 + 工作流
- Agent =会思考、会用工具的智能体
- Workflow =事件驱动的多步骤 AI 自动化