End-to-End-Beispiele

Diese Dokumentation wurde automatisch übersetzt und kann Fehler enthalten. Zögern Sie nicht, einen Pull Request zu öffnen, um Änderungen vorzuschlagen.

Wir haben mehrere End-to-End-Beispiele mit LlamaIndex.TS im Repository enthalten.

Schauen Sie sich die folgenden Beispiele an oder probieren Sie sie aus und vervollständigen Sie sie in wenigen Minuten mit interaktiven Github Codespace-Tutorials, die von Dev-Docs hier bereitgestellt werden:

Chat Engine

Lesen Sie eine Datei und unterhalten Sie sich darüber mit dem LLM.

Vektor-Index

Erstellen Sie einen Vektor-Index und fragen Sie ihn ab. Der Vektor-Index verwendet Einbettungen, um die k relevantesten Knoten abzurufen. Standardmäßig ist k gleich 2.

"

Zusammenfassungsindex

Erstellen Sie einen Listenindex und fragen Sie ihn ab. Dieses Beispiel verwendet auch den LLMRetriever, der den LLM verwendet, um die besten Knoten auszuwählen, die beim Generieren einer Antwort verwendet werden sollen.

Index speichern / laden

Erstellen und laden Sie einen Vektorindex. Die Persistenz auf der Festplatte in LlamaIndex.TS erfolgt automatisch, sobald ein Speicherkontextobjekt erstellt wird.

Angepasster Vektorindex

Erstellen Sie einen Vektorindex und fragen Sie ihn ab, während Sie auch das LLM, den ServiceContext und das similarity_top_k konfigurieren.

OpenAI LLM

Erstellen Sie ein OpenAI LLM und verwenden Sie es direkt für den Chat.

"

Llama2 DeuceLLM

Erstellen Sie einen Llama-2 LLM und verwenden Sie ihn direkt für den Chat.

"

SubQuestionQueryEngine

Verwendet den SubQuestionQueryEngine, der komplexe Abfragen in mehrere Fragen aufteilt und dann eine Antwort über die Antworten auf alle Teilfragen aggregiert.

"

Niedrigstufige Module

Dieses Beispiel verwendet mehrere niedrigstufige Komponenten, die den Bedarf an einer tatsächlichen Abfrage-Engine beseitigen. Diese Komponenten können überall verwendet werden, in jeder Anwendung, oder angepasst und untergeordnet werden, um Ihren eigenen Bedürfnissen gerecht zu werden.