跳到主要内容

端到端示例

我们在仓库中包含了使用 LlamaIndex.TS 的几个端到端示例

请查看下面的示例，或者通过 Dev-Docs 提供的交互式 Github Codespace 教程在几分钟内尝试并完成它们这里：

聊天引擎 (Chat Engine)​

读取一个文件并与 LLM 聊天。

向量索引​

创建一个向量索引并查询它。向量索引将使用嵌入来获取最相关的前 k 个节点。默认情况下，前 k 为 2。

摘要索引​

创建一个列表索引并查询它。这个示例还使用了 LLMRetriever，它将利用 LLM 选择最佳节点来生成答案时使用。

保存 / 加载索引​

创建并加载向量索引。在 LlamaIndex.TS 中，一旦创建了存储上下文对象，数据持久化到磁盘就会自动进行。

自定义向量索引​

创建一个向量索引并查询它，同时配置 LLM、ServiceContext 和 similarity_top_k。

OpenAI LLM​

创建一个 OpenAI LLM 并直接用于聊天。

Llama2 DeuceLLM​

创建一个 Llama-2 LLM 并直接用于聊天。

SubQuestionQueryEngine​

使用 SubQuestionQueryEngine（子问题查询引擎），它将复杂的查询分解成多个问题，然后跨所有子问题的答案聚合响应。

低级模块 (Low Level Modules)​

此示例使用了几个低级组件，这消除了对实际查询引擎的需求。这些组件可以在任何地方、任何应用程序中使用，或者自定义和子类化以满足您自己的需求。