LlamaIndex 安装配置教程快速搭建并跑通你的第一个 RAG 应用【免费下载链接】llama_indexLlamaIndex is the leading document agent and OCR platform项目地址: https://gitcode.com/GitHub_Trending/ll/llama_indexLlamaIndex 是一个用 Python 编写的数据框架负责把你的私有数据接进大语言模型读取文档、构建索引、检索上下文最后交给 LLM 生成带依据的回答。本文带你完成安装、环境变量配置并在本地跑通一个最小查询示例预计 15 分钟。动手前环境自检装之前花一分钟确认四件事能避开后面大部分报错。检查项怎么查期望结果Python 版本python --version3.10 或更高llama-index-core的声明要求是3.10,4.0包管理工具pip --versionpip 可用建议同时有python -m venv或虚拟环境工具网络能否访问 PyPI能下载依赖内网环境提前备好镜像源LLM 凭证是否已有 OpenAI API key默认示例走 OpenAI有 key 才能跑通查询确认无误后先建一个干净虚拟环境python -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate激活后提示符前会多出(.venv)说明后续所有命令都落在隔离环境里不会污染系统 Python。最小化安装一条命令装齐核心新手阶段不需要挑 300 多个集成包先装 starter 包它捆绑了 core 加一组常用集成够把第一个示例跑起来。pip install llama-index装完执行下面这条验证导入和版本号python -c import llama_index.core; print(llama_index.core.__version__)打印出形如0.14.x的版本号、无报错即安装成功。如果网络不稳给 pip 指定国内镜像源清华源加速pip install llama-index -i https://pypi.tuna.tsinghua.edu.cn/simple后面要自定义技术栈时再换成llama-index-core单独装、按需补集成包即可。关键配置环境变量怎么配只有两项配置真正影响运行。第一项是 API key默认 LLM 和嵌入都走 OpenAI没有 key 示例跑不下去。export OPENAI_API_KEYyour-api-key-here不要把真实 key 写进源码或提交到仓库只放在环境变量或.env文件里。第二项是缓存目录LlamaIndex 首次运行会下载 NLTK 等资源文件默认落在用户缓存目录想自定义位置时这样配export LLAMA_INDEX_CACHE_DIR/your/custom/cache/path该变量在进程启动时读取改完需要重开终端或重新激活虚拟环境才生效。另外llama-index-core自带_static缓存NLTK 与 tiktoken磁盘权限受限的环境也能直接运行一般不用额外处理。跑通第一个示例5 行代码建索引并提问前面装好环境这里用一个最小示例把整条链路走一遍。示例文档直接复用仓库自带的docs/examples/data/paul_graham目录不用自己准备语料。python quickstart.py把下面的代码存为quickstart.py执行from llama_index.core import ( Settings, VectorStoreIndex, SimpleDirectoryReader ) from llama_index.llms.openai import OpenAI Settings.llm OpenAI(modelgpt-4o-mini) docs SimpleDirectoryReader(docs/examples/data/paul_graham).load_data() index VectorStoreIndex.from_documents(docs) print(index.as_query_engine().query(如何开始创办自己的 startup?))跑完应看到一段几行的英文回答围绕先做别人想做的、解决真实痛点展开——这就是读到文本 → 向量化入库 → 检索 → LLM 生成的完整流程看到这段输出即算跑通。如果输出里出现 401 或 key 相关报错回到上一节检查OPENAI_API_KEY如果卡在下载嵌入模型说明网络受限按下一节的思路处理。装不上或跑不通时四个高频问题症状ImportError: No module named llama_index.llms.openai原因只装了llama-index-core它不带任何集成包。解法按需补装如pip install llama-index-llms-openai命名规律是llama-index-加类别加厂商名。症状pip 安装时报Requires-Python 3.10类错误原因当前 Python 低于 3.10。解法升级 Python或用pyenv/conda新建 3.10 的虚拟环境重装。症状pip install超时、连接重置原因无法直连 PyPI。解法换镜像源或配代理pip install -i https://pypi.tuna.tsinghua.edu.cn/simple llama-index。症状运行示例报 401 Unauthorized 或Invalid API key原因OPENAI_API_KEY未设置或拼错。解法echo $OPENAI_API_KEY复核变量内容确认在当前 shell 已生效。症状load_data()抛文件不存在错误原因示例里的数据目录不在你的当前路径下。解法换成你本机真实存在的目录路径或先cd到仓库根目录再执行。下一步往哪走跑通最小示例后按你的目标选一条路线。本地模型路线不想依赖 OpenAI 时用 Ollama 起本地 LLM配 HuggingFace 本地嵌入。命令参考仓库 README 的示例pip install llama-index-llms-ollama llama-index-embeddings-huggingface然后在代码里通过Settings.llm、Settings.embed_model替换默认组件。源码级定制需要改核心逻辑时把仓库克隆到本地git clone https://gitcode.com/GitHub_Trending/ll/llama_index核心代码在llama-index-core/llama_index/core/贡献流程见 CONTRIBUTING.md本地测试可参考 llama-index-core/Makefile。生产化部署用pip freeze固定依赖版本索引落盘用index.storage_context.persist()持久化到磁盘避免每次重建容器化交付时把缓存目录挂成独立卷便于清理。收尾接下来做的事把quickstart.py的数据目录换成你自己的文档改问一个问题验证端到端效果。浏览 docs/examples/ 下的官方 notebook从docs/examples/low_level/入手理解检索、索引各环节。搭一个只回答单个目录问题的最小 RAG 项目加persist()落盘体验重建与复用。有可观测需求时看 llama-index-integrations/ 里的回调与监控集成。选一条路线动手跑比通读文档更快建立手感。【免费下载链接】llama_indexLlamaIndex is the leading document agent and OCR platform项目地址: https://gitcode.com/GitHub_Trending/ll/llama_index创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考 LlamaIndex 安装配置教程：快速搭建并跑通你的第一个 RAG 应用
LlamaIndex 安装配置教程快速搭建并跑通你的第一个 RAG 应用【免费下载链接】llama_indexLlamaIndex is the leading document agent and OCR platform项目地址: https://gitcode.com/GitHub_Trending/ll/llama_indexLlamaIndex 是一个用 Python 编写的数据框架负责把你的私有数据接进大语言模型读取文档、构建索引、检索上下文最后交给 LLM 生成带依据的回答。本文带你完成安装、环境变量配置并在本地跑通一个最小查询示例预计 15 分钟。动手前环境自检装之前花一分钟确认四件事能避开后面大部分报错。检查项怎么查期望结果Python 版本python --version3.10 或更高llama-index-core的声明要求是3.10,4.0包管理工具pip --versionpip 可用建议同时有python -m venv或虚拟环境工具网络能否访问 PyPI能下载依赖内网环境提前备好镜像源LLM 凭证是否已有 OpenAI API key默认示例走 OpenAI有 key 才能跑通查询确认无误后先建一个干净虚拟环境python -m venv .venv source .venv/bin/activate # Windows 用 .venv\Scripts\activate激活后提示符前会多出(.venv)说明后续所有命令都落在隔离环境里不会污染系统 Python。最小化安装一条命令装齐核心新手阶段不需要挑 300 多个集成包先装 starter 包它捆绑了 core 加一组常用集成够把第一个示例跑起来。pip install llama-index装完执行下面这条验证导入和版本号python -c import llama_index.core; print(llama_index.core.__version__)打印出形如0.14.x的版本号、无报错即安装成功。如果网络不稳给 pip 指定国内镜像源清华源加速pip install llama-index -i https://pypi.tuna.tsinghua.edu.cn/simple后面要自定义技术栈时再换成llama-index-core单独装、按需补集成包即可。关键配置环境变量怎么配只有两项配置真正影响运行。第一项是 API key默认 LLM 和嵌入都走 OpenAI没有 key 示例跑不下去。export OPENAI_API_KEYyour-api-key-here不要把真实 key 写进源码或提交到仓库只放在环境变量或.env文件里。第二项是缓存目录LlamaIndex 首次运行会下载 NLTK 等资源文件默认落在用户缓存目录想自定义位置时这样配export LLAMA_INDEX_CACHE_DIR/your/custom/cache/path该变量在进程启动时读取改完需要重开终端或重新激活虚拟环境才生效。另外llama-index-core自带_static缓存NLTK 与 tiktoken磁盘权限受限的环境也能直接运行一般不用额外处理。跑通第一个示例5 行代码建索引并提问前面装好环境这里用一个最小示例把整条链路走一遍。示例文档直接复用仓库自带的docs/examples/data/paul_graham目录不用自己准备语料。python quickstart.py把下面的代码存为quickstart.py执行from llama_index.core import ( Settings, VectorStoreIndex, SimpleDirectoryReader ) from llama_index.llms.openai import OpenAI Settings.llm OpenAI(modelgpt-4o-mini) docs SimpleDirectoryReader(docs/examples/data/paul_graham).load_data() index VectorStoreIndex.from_documents(docs) print(index.as_query_engine().query(如何开始创办自己的 startup?))跑完应看到一段几行的英文回答围绕先做别人想做的、解决真实痛点展开——这就是读到文本 → 向量化入库 → 检索 → LLM 生成的完整流程看到这段输出即算跑通。如果输出里出现 401 或 key 相关报错回到上一节检查OPENAI_API_KEY如果卡在下载嵌入模型说明网络受限按下一节的思路处理。装不上或跑不通时四个高频问题症状ImportError: No module named llama_index.llms.openai原因只装了llama-index-core它不带任何集成包。解法按需补装如pip install llama-index-llms-openai命名规律是llama-index-加类别加厂商名。症状pip 安装时报Requires-Python 3.10类错误原因当前 Python 低于 3.10。解法升级 Python或用pyenv/conda新建 3.10 的虚拟环境重装。症状pip install超时、连接重置原因无法直连 PyPI。解法换镜像源或配代理pip install -i https://pypi.tuna.tsinghua.edu.cn/simple llama-index。症状运行示例报 401 Unauthorized 或Invalid API key原因OPENAI_API_KEY未设置或拼错。解法echo $OPENAI_API_KEY复核变量内容确认在当前 shell 已生效。症状load_data()抛文件不存在错误原因示例里的数据目录不在你的当前路径下。解法换成你本机真实存在的目录路径或先cd到仓库根目录再执行。下一步往哪走跑通最小示例后按你的目标选一条路线。本地模型路线不想依赖 OpenAI 时用 Ollama 起本地 LLM配 HuggingFace 本地嵌入。命令参考仓库 README 的示例pip install llama-index-llms-ollama llama-index-embeddings-huggingface然后在代码里通过Settings.llm、Settings.embed_model替换默认组件。源码级定制需要改核心逻辑时把仓库克隆到本地git clone https://gitcode.com/GitHub_Trending/ll/llama_index核心代码在llama-index-core/llama_index/core/贡献流程见 CONTRIBUTING.md本地测试可参考 llama-index-core/Makefile。生产化部署用pip freeze固定依赖版本索引落盘用index.storage_context.persist()持久化到磁盘避免每次重建容器化交付时把缓存目录挂成独立卷便于清理。收尾接下来做的事把quickstart.py的数据目录换成你自己的文档改问一个问题验证端到端效果。浏览 docs/examples/ 下的官方 notebook从docs/examples/low_level/入手理解检索、索引各环节。搭一个只回答单个目录问题的最小 RAG 项目加persist()落盘体验重建与复用。有可观测需求时看 llama-index-integrations/ 里的回调与监控集成。选一条路线动手跑比通读文档更快建立手感。【免费下载链接】llama_indexLlamaIndex is the leading document agent and OCR platform项目地址: https://gitcode.com/GitHub_Trending/ll/llama_index创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考