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 RAG1. 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