LlamaIndex 的 Agent 与 Workflows

把查询引擎变成工具

LlamaIndex 的 Agent 思路：每个 QueryEngine / Retriever 都可以包装成工具（Tool），由 Agent 决定调用哪个：

from llama_index.core.tools import QueryEngineTool

finance_tool = QueryEngineTool.from_defaults(
    query_engine=finance_index.as_query_engine(),
    name="finance_docs",
    description="回答财务制度相关问题")
hr_tool = QueryEngineTool.from_defaults(
    query_engine=hr_index.as_query_engine(),
    name="hr_docs",
    description="回答人事制度相关问题")

from llama_index.core.agent import ReActAgent
agent = ReActAgent.from_tools([finance_tool, hr_tool], verbose=True)
agent.chat("报销流程是什么？出差补贴标准呢？")   # 自动分别查两个库

description 就是路由依据——与本站《意图识别》课的槽位路由思想一致，只是路由决策交给了模型。

常见工具类型

• QueryEngineTool：知识库问答；
• FunctionTool：包装任意 Python 函数（查数据库、调 API）；
• 第三方集成：搜索、SQL、代码解释器等现成工具。

Workflows：事件驱动的编排

复杂多步流程（抽取→校验→汇总）推荐用 Workflows：用事件（Event）驱动步骤（Step），每个步骤监听/发出事件，天然支持分支、循环与流式中间结果 —— 定位类似 LangGraph，是 LlamaIndex 的编排层。

from llama_index.core.workflow import Workflow, step, Event

class IngestedEvent(Event): ...
class DoneEvent(Event): ...

class MyFlow(Workflow):
    @step
    async def ingest(self, ev: IngestedEvent) -> DoneEvent:
        ...   # 每个步骤一个函数，事件串联

选型提示：简单工具循环用 Agent 即可；有分支/循环/人工介入的流程上 Workflows。