LlamaIndex：将个人数据添加到 LLM

推荐：使用NSDT场景编辑器快速搭建 3D 应用场景

LlamaIndex 是基于大型语言模型（LLM）的应用程序的数据框架。像 GPT-4 这样的 LLM 是在大量公共数据集上预先训练的，允许开箱即用的令人难以置信的自然语言处理能力。但是，如果无法访问您自己的私人数据，它们的效用会受到限制。

LlamaIndex 允许您通过灵活的数据连接器从 API、数据库、PDF 等中提取数据。然后，LlamaIndex 允许通过查询引擎、聊天界面和 LLM 支持的数据代理对数据进行自然语言查询和对话。它使您的 LLM 能够大规模访问和解释私有数据，而无需在较新的数据上重新训练模型。

无论您是寻找一种以自然语言查询数据的简单方法的初学者，还是需要深度自定义的高级用户，LlamaIndex 都能提供这些工具。高级 API 允许仅使用五行代码即可入门，而较低级别的 API 允许完全控制数据摄取、索引、检索等。

LlamaIndex 指数如何运作？

LlamaIndex 使用检索增强生成（RAG）系统，该系统将大型语言模型与私有知识库相结合。它通常由两个阶段组成：索引阶段和查询阶段。

索引阶段

LlamaIndex 将在索引阶段有效地将私有数据索引为矢量索引。此步骤有助于创建特定于您的域的可搜索知识库。您可以输入文本文档、数据库记录、知识图谱和其他数据类型。

从本质上讲，索引将数据转换为捕获其语义含义的数字向量或嵌入。它可以跨内容进行快速相似性搜索。

查询阶段

在查询阶段，RAG 管道会根据用户的查询搜索最相关的信息。然后将此信息与查询一起提供给 LLM，以创建准确的响应。

此过程允许 LLM 访问其初始培训中可能未包含的当前和更新信息。

此阶段的主要挑战是对潜在的多个知识库进行检索、组织和推理。

设置 LlamaIndex 索引

在我们深入研究 LlamaIndex 教程和项目之前，我们必须安装 Python 包并设置 API。

我们可以简单地使用 pip 安装 LlamaIndex。

默认情况下，LlamaIndex 使用 OpenAI GPT-3 text-davinci-003 模型。若要使用此模型，必须具有设置。您可以通过登录 OpenAI 的新 API 令牌创建一个免费帐户并获取 API 密钥。OPENAI_API_KEY

此外，请确保您已安装该软件包。openai

使用 LlamaIndex 将个人数据添加到 LLM

在本节中，我们将学习使用 LlamaIndex 来创建简历阅读器。您可以通过转到 LinkedIn 个人资料页面，单击“更多”，然后单击“保存到 PDF”来下载简历。

请注意，我们使用 DataCamp 工作区来运行 Python 代码。可以在“LlamaIndex：将个人数据添加到 LLM”工作区中访问所有相关代码和输出。

在运行任何内容之前，我们必须安装 、 和 。我们正在安装，以便我们可以读取和转换 PDF 文件。llama-indexopenaipypdfpypdf

我们有一个名为“Private-Data”的目录，只包含一个 PDF 文件。我们将使用 来读取它，然后使用 .SimpleDirectoryReaderTreeIndex

为数据编制索引后，可以使用 开始提问。此功能使您能够询问有关文档中特定信息的问题，并在 OpenAI 模型的帮助下收到相应的响应。as_query_engine()GPT-3 text-davinci-003

注意：您可以在 DataCamp Workspace 中设置 OpenAI API，方法是按照使用 GPT-3.5 和 GPT-4 通过 Python 中的 OpenAI API 教程进行操作。

正如我们所看到的，LLM 模型已经准确地响应了查询。它搜索了索引并找到了相关信息。

我们可以进一步询问认证。LlamaIndex 似乎已经对候选人有了完整的了解，这对于寻求特定个人的公司来说是有利的。

response = query_engine.query("What is the name of certification that Abid received?")print(response)

创建索引是一个耗时的过程。我们可以通过保存上下文来避免重新创建索引。默认情况下，以下命令会将索引存储保存在目录中。./storage

new_index.storage_context.persist() OpenAI

完成后，我们可以快速加载存储上下文并创建索引。

为了验证它是否正常运行，我们将向查询引擎询问简历中的问题。看来我们已经成功加载了上下文。

聊天机器人

除了问答，我们还可以使用 LlamaIndex 创建一个个人聊天机器人。我们只需要用函数初始化索引。as_chat_engine()

我们将问一个简单的问题。

在不提供额外背景的情况下，我们将提出后续问题。

In 2021, Abid worked as a Data Science Consultant for Guidepoint, a Writer for Towards Data Science and Towards AI, a Technical Writer for Machine Learning Mastery, an Ambassador for Deepnote, and a Technical Writer for Start It Up.

很明显，聊天引擎运行完美。

构建语言应用程序后，时间轴上的下一步是了解在云中使用大型语言模型 （LLM） 与在本地运行它们的优缺点。这将帮助您确定哪种方法最适合您的需求。

使用 LlamaIndex 构建 Wiki 文本到语音

我们的下一个项目涉及开发一个应用程序，该应用程序可以响应来自维基百科的问题并将其转换为语音。

代码源和其他信息可在以下 DataCamp 工作区中找到。

网页抓取维基百科页面

首先，我们将从意大利 - 维基百科网页中抓取数据并将其保存为文件夹中的文件。italy_text.txtdata

加载数据并构建索引

接下来，我们需要安装必要的软件包。该软件包允许我们使用 API 轻松地将文本转换为语音。elevenlabs

通过使用，我们将加载数据并使用 将 TXT 文件转换为矢量存储。SimpleDirectoryReaderVectorStoreIndex

查询

我们的计划是询问有关该国的一般问题，并收到 LLM 的答复。query_engine

文本转语音

之后，我们将使用该模块访问 ElevenLabsTTS api。您需要提供 ElevenLabs API 密钥才能启动音频生成功能。您可以在 ElevenLabs 网站上免费获得 API 密钥。llama_index.tts

我们将向函数添加响应以生成自然语音。要收听音频，我们将使用 的函数。generate_audioIPython.displayAudio

这是一个简单的例子。您可以使用多个模块来创建助手（如 Siri），通过解释您的私人数据来回答您的问题。有关更多信息，请参阅骆驼索引文档。

除了 LlamaIndex 之外，LangChain 还允许您构建基于 LLM 的应用程序。此外，您可以阅读 LangChain 数据工程和数据应用简介，了解您可以使用 LangChain 做什么的概述，包括 LangChain 解决的问题和数据用例示例。

LlamaIndex 索引用例

LlamaIndex 提供了一个完整的工具包来构建基于语言的应用程序。最重要的是，您可以使用 Llama Hub 的各种数据加载器和代理工具来开发具有多种功能的复杂应用程序。

您可以使用一个或多个插件数据加载器将自定义数据源连接到 LLM。

您还可以使用代理工具集成第三方工具和 API。

简而言之，您可以使用 LlamaIndex 来构建：

• 文档问答

• 聊天机器人

• 代理

• 结构化数据

• 全栈 Web 应用程序

• 私人设置

要详细了解这些用例，请前往 LlamaIndex 文档。

结论

LlamaIndex 提供了一个强大的工具包，用于构建检索增强生成系统，该系统将大型语言模型的优势与自定义知识库相结合。它支持创建特定于域的数据的索引存储，并在推理过程中利用它来为 LLM 提供相关上下文以生成高质量的响应。

在本教程中，我们了解了 LlamaIndex 及其工作原理。此外，我们构建了一个简历阅读器和文本到语音转换项目，只有几行 Python 代码。使用 LlamaIndex 创建 LLM 应用程序很简单，它提供了一个庞大的插件库、数据加载器和代理。

要成为一名专业的 LLM 开发人员，下一个自然步骤是注册 Master Large Language Models Concepts 课程。本课程将使您全面了解 LLM，包括其应用，培训方法，道德考虑和最新研究。

原文链接：LlamaIndex：将个人数据添加到LLM (mvrlink.com)