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

1. 数据接入：Readers 读取 PDF/Excel/ 网页 / 数据库等
2. 数据处理：分块、向量化、元数据管理
3. 索引构建：向量索引、关键词索引、知识图谱索引等
4. 查询交互：Query Engine（问答）、Chat Engine（对话）
5. 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

1. 新建 data 文件夹，放入任意文本文件
2. 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

1. 入门：跑通 5 行 RAG 代码，理解数据加载→索引→查询
2. 进阶：学习 Query/Chat Engine 优化（分块、检索、重排）
3. 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