AITerms 登入
大型語言模型資料處理自然語言處理

羊駝索引(LlamaIndex)是什麼?

LlamaIndex是一個資料框架,用於連接大型語言模型(LLMs)與您的私有或特定領域的資料,簡化建立基於LLM的應用程式。

完整定義

LlamaIndex是一個專為大型語言模型(LLMs)設計的資料框架,旨在簡化將LLMs連接到各種資料來源的過程。它提供工具來索引、結構化和存取您的資料,使您能夠輕鬆地建立基於LLM的應用程式,例如問答系統、聊天機器人等,而無需擔心底層資料的複雜性。

白話說明

你有沒有遇過 AI 明明很會聊天,卻看不懂你公司的文件?

你可以把 LlamaIndex 想成,替大模型把資料整理好、排好、送進來的中介層。

它其實就是連接 LLM 和私有資料的資料框架。

當你想做知識庫問答、文件搜尋或 RAG,它就很常派上用場。

記住這句

先把資料整理好,大模型才答得像樣。

比喻:LlamaIndex 就像 LLM 的「個人圖書管理員」-- LLM 本身知識很廣,但不知道你公司內部文件或最新資訊。LlamaIndex 會幫 LLM 建立這些專屬資料的索引,讓 LLM 能夠快速找到並參考,回答你的特定問題。

容易混淆

LlamaIndex vs LangChain

LlamaIndex 更偏資料索引與檢索,LangChain 更像通用工具箱。

一個重資料,一個重流程組裝。

LlamaIndex vs 向量資料庫

向量資料庫負責存和查,LlamaIndex 負責把資料切好、索引好、串好。

一個是底層倉庫,一個是資料調度員。

最關鍵的區別: 索引框架和資料庫不是同一層。

實際案例

公司知識庫問答

把政策、SOP、會議紀錄切成可檢索單位後,員工就能問自然語言問題。

客服文件搜尋

客服人員想找退貨條款時,不用翻整份手冊,系統先找出最相關段落再交給模型整理。

演算法與應用

常見流程是切塊、建立索引、檢索相關片段,再把片段交給 LLM 生成答案。

它的重點不在模型本身,而在資料進來後怎麼被整理、連結和查回來。

對企業內部知識、法規、手冊和長文件很實用。

情境判斷

Q1(直覺題): 你要讓模型讀公司文件後回答問題,最需要處理的是什麼?

先把文件切塊、索引和檢索做好,這正是 LlamaIndex 擅長的事。

Q2(判斷題): 如果資料本來就很少,還需要 LlamaIndex 嗎?

看情況,資料少時可以簡化流程,但只要要做可查詢知識庫,索引設計仍然有價值。

常見問題

相關術語

本頁內容有提到,或屬於同一組主題的術語

來源

這個術語目前沒有標註外部來源。

其他格式:Markdown 版本