LlamaIndex 是什么：连接私有数据与 LLM 的数据框架

一句话定位

LlamaIndex（🦙，原名 GPT Index）是一个专注"数据接入"的 LLM 应用框架：把你的文档、数据库、API 等私有数据变成大模型可查询、可对话的知识源。如果说 LangChain 是"编排框架"，LlamaIndex 更像"数据框架"—— RAG 是它的主场。

五阶段生命周期

① Loading 加载   → 文档/数据库/API 接入（300+ Data Connectors）
② Indexing 索引  → 切分、嵌入、构建索引
③ Storing 存储   → 向量库/文档存储持久化
④ Querying 查询  → Query Engine 检索问答 / Chat Engine 对话
⑤ Evaluation 评估→ 忠实度、相关性打分

最小示例：十行跑通 RAG

pip install llama-index

from llama_index.core import VectorStoreIndex, SimpleDirectoryReader

docs = SimpleDirectoryReader("./data").load_data()   # ① 加载
index = VectorStoreIndex.from_documents(docs)        # ② 索引
query_engine = index.as_query_engine()               # ④ 查询引擎
resp = query_engine.query("这份文档的核心结论是什么？")
print(resp)

和 LangChain 怎么分工

• RAG 为主、数据源复杂 → LlamaIndex 上手最快，索引与检索抽象最完善；
• 复杂编排、多系统串联 → LangChain / LangGraph 更顺手；
• 两者可以混用：用 LlamaIndex 建索引，把它的 Retriever 当作 LangChain 的检索器使用。