28 LlamaIndex中的摄取管道：数据转换与缓存管理

本文链接：https://blog.youkuaiyun.com/xycxycooo/article/details/141351395

LlamaIndex中的摄取管道：数据转换与缓存管理

在LlamaIndex中，摄取管道（IngestionPipeline）使用了一种称为“转换”（Transformations）的概念来处理输入数据。这些转换应用于你的输入数据，结果节点要么返回，要么插入到向量数据库中（如果提供了的话）。每个节点+转换组合都会被缓存，以便后续运行（如果缓存被持久化）时使用相同的节点+转换组合可以利用缓存结果，节省时间。

要查看摄取管道实际使用的交互式示例，请查看RAG CLI。

使用模式

最简单的使用方法是实例化一个摄取管道，如下所示：

from llama_index.core import Document
from llama_index.embeddings.openai import OpenAIEmbedding
from llama_index.core.node_parser import SentenceSplitter
from llama_index.core.extractors import TitleExtractor
from llama_index.core.ingestion import IngestionPipeline, IngestionCache

# 创建带有转换的管道
pipeline = IngestionPipeline(
    transformations=[
        SentenceSplitter(chunk_size=25, chunk_overlap=0),
        TitleExtractor(),
        OpenAIEmbedding(),
    ]
)

# 运行管道
nodes = pipeline.run(documents=[Document.example()])

请注意，在实际场景中，你会从SimpleDirectoryReader或Llama Hub中的其他读取器获取文档。

连接到向量数据库

运行摄取管道时，你还可以选择自动将结果节点插入到远程向量存储中。然后，你可以稍后从该向量存储构建索引。

from llama_index.core import Document
from llama_index