Samouczek dla początkujących

Ta dokumentacja została przetłumaczona automatycznie i może zawierać błędy. Nie wahaj się otworzyć Pull Request, aby zaproponować zmiany.

Po zainstalowaniu LlamaIndex.TS przy użyciu NPM i skonfigurowaniu klucza OpenAI, jesteś gotowy, aby rozpocząć pracę nad swoją pierwszą aplikacją:

W nowym folderze:

npm

npm install typescript
npm install @types/node
npx tsc --init # jeśli jest to konieczne

Yarn

yarn add typescript
yarn add @types/node
npx tsc --init # jeśli jest to konieczne

pnpm

pnpm add typescript
pnpm add @types/node
npx tsc --init # jeśli jest to konieczne

Utwórz plik example.ts. Ten kod załaduje przykładowe dane, utworzy dokument, zaindeksuje go (co utworzy osadzenia przy użyciu OpenAI), a następnie utworzy silnik zapytań, który będzie odpowiadał na pytania dotyczące danych.

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

async function main() {
  // Załaduj esej z pliku abramov.txt w Node
  const essay = await fs.readFile(
    "node_modules/llamaindex/examples/abramov.txt",
    "utf-8",
  );

  // Utwórz obiekt dokumentu z esejem
  const document = new Document({ text: essay });

  // Podziel tekst i utwórz osadzenia. Przechowuj je w indeksie VectorStoreIndex
  const index = await VectorStoreIndex.fromDocuments([document]);

  // Zapytaj indeks
  const queryEngine = index.asQueryEngine();
  const response = await queryEngine.query("Co autor robił na studiach?");

  // Wyświetl odpowiedź
  console.log(response.toString());
}

main();

Następnie możesz go uruchomić za pomocą

npx ts-node example.ts

Gotowy, aby dowiedzieć się więcej? Sprawdź nasze środowisko NextJS w https://llama-playground.vercel.app/. Źródło jest dostępne na https://github.com/run-llama/ts-playground

"