简介
本文档将详细介绍如何使用 llamaindex 框架来搭建本地 rag（retrieval-augmented generation）应用。通过集成 llamaindex，可以在本地环境中构建一个 rag 系统，结合检索与生成的能力，以提高信息检索的效率和生成内容的相关性。可以自定义本地知识库路径，通过 llamaindex 构建索引，然后利用索引进行上下文对话。
注: 本文档包含核心代码片段和详细解释。完整代码可见 notebook 。
1. 模型下载
本例中使用的是
模型，可以根据自身电脑配置，使用合适的模型。
2. 安装依赖
3. 加载数据
加载当前目录下 data 文件夹中所有的文档，并加载到内存中。
4. 构建索引
： 全局的
属性。示例代码中将创建好的嵌入模型赋值给全局的
属性；
： 全局的
属性。示例代码中将创建好的语言模型赋值给全局的
属性；
：使用之前加载的文档构建索引，并转换成向量，便于快速检索。
通过
全局属性的设置，在后面的索引构建以及查询的过程中就会默认使用相应的模型。
5. 查询数据
：根据之前构建好的索引，创建查询引擎。该查询引擎可以接收查询，返回检索后的响应。
6. 检索上下文进行对话
由于检索到的上下文可能会占用大量可用的 LLM 上下文，因此需要为聊天历史记录配置较小 token 限制！
可以根据使用场景，选择合适的模式，支持的模式如下：
（默认）：使用带有查询引擎工具的代理（react 或 openai）；
：使用检索器获取上下文；
：将问题进行浓缩；
：将问题进行浓缩并使用检索器获取上下文；
：直接使用 LLM 的简单聊天引擎；
：使用带有查询引擎工具的 react 代理；
：使用带有查询引擎工具的 openai 代理。
7. 向量索引的存储和加载
存储向量索引。
加载向量索引。
8. streamlit 应用
本例内容还实现了一个 streamlit 应用，具体可以查看 app.py
所需依赖如下：
Note
在
中，为了在连续对话中不重新加载模型，可以配置环境变量
和
，因为支持多个模型加载，所以至少需要额外的 8G 内存。
：同时处理单个模型的多个请求。
：同时加载多个模型。
示例展示
单文本问答
☞☞☞AI 智能聊天, 问答助手, AI 智能搜索, 多模态理解力帮你轻松跨越从0到1的创作门槛☜☜☜
多文本问答
参考文献：LlamaIndex 文档
llama3.1ollama pull llama3.1
ollama pull nomic-embed-text
pip install llama-index-llms-ollama
pip install llama-index-embeddings-ollama
pip install -U llama-index-readers-file
documents = SimpleDirectoryReader("data").load_data()
Settings.embed_model = OllamaEmbedding(model_name="nomic-embed-text")
Settings.llm = Ollama(model="llama3.1", request_timeout=360.0)
index = VectorStoreIndex.from_documents(
documents,
)
Settings.embed_modelembed_modelembed_modelSettings.llmllmllmVectorStoreIndex.from_documentsSettingsquery_engine = index.as_query_engine()
response = query_engine.query("Datawhale是什么?")
print(response)
index.as_query_engine()# 检索上下文进行对话
from llama_index.core.memory import ChatMemoryBuffer
memory = ChatMemoryBuffer.from_defaults(token_limit=1500)
chat_engine = index.as_chat_engine(
chat_mode="context",
memory=memory,
system_prompt=(
"You are a chatbot, able to have normal interactions."
),
)
response = chat_engine.chat("Datawhale是什么？")
print(response)
chat_modebestcontextcondense_questioncondense_plus_contextsimplereactopenaistorage_context.persistload_index_from_storage# 存储向量索引
persist_dir = 'data/'
index.storage_context.persist(persist_dir=persist_dir)
# 加载向量索引
from llama_index.core import StorageContext, load_index_from_storage
storage_context = StorageContext.from_defaults(persist_dir=persist_dir)
index= load_index_from_storage(storage_context)
llama_index==0.10.62
streamlit==1.36.0
app.pyOLLAMA_NUM_PARALLELOLLAMA_MAX_LOADED_MODELSOLLAMA_NUM_PARALLELOLLAMA_MAX_LOADED_MODELS