Ga naar hoofdinhoud

Startgids

Deze documentatie is automatisch vertaald en kan fouten bevatten. Aarzel niet om een Pull Request te openen om wijzigingen voor te stellen.

Zodra je LlamaIndex.TS hebt geïnstalleerd met behulp van NPM en je OpenAI-sleutel hebt ingesteld, ben je klaar om je eerste app te starten:

In een nieuwe map:

npm install typescript
npm install @types/node
npx tsc --init # indien nodig

Maak het bestand example.ts aan. Deze code zal wat voorbeeldgegevens laden, een document maken, het indexeren (waarbij embeddings worden gemaakt met behulp van OpenAI) en vervolgens een query-engine maken om vragen over de gegevens te beantwoorden.

// example.ts
import fs from "fs/promises";
import { Document, VectorStoreIndex } from "llamaindex";

async function main() {
  // Laad essay vanuit abramov.txt in Node
  const essay = await fs.readFile(
    "node_modules/llamaindex/examples/abramov.txt",
    "utf-8",
  );

  // Maak een Document-object met het essay
  const document = new Document({ text: essay });

  // Split de tekst en maak embeddings. Sla ze op in een VectorStoreIndex
  const index = await VectorStoreIndex.fromDocuments([document]);

  // Doorzoek de index
  const queryEngine = index.asQueryEngine();
  const response = await queryEngine.query(
    "Wat heeft de auteur op de universiteit gedaan?",
  );

  // Geef de respons weer
  console.log(response.toString());
}

main();

Je kunt het vervolgens uitvoeren met behulp van

npx ts-node example.ts

Klaar om meer te leren? Bekijk onze NextJS-speeltuin op https://llama-playground.vercel.app/. De broncode is beschikbaar op https://github.com/run-llama/ts-playground

"