LlamaIndex

RAG 的資料側專家:把 PDF、簡報、資料庫這些型態各異的企業文件,解析、切塊、建索引,變成 LLM 查得動的知識庫。

它是什麼

• 開發商:LlamaIndex(開源框架與同名公司)
• 核心能力:文件解析(含表格的複雜文件)、切塊與索引建立、檢索策略設計,一路到 RAG/Agent 流程的資料框架
• 同類定位:LangChain 強在應用編排與整合廣度;LlamaIndex 在「文件→索引→檢索」這一段更深更專

典型情境

• 上百份內規與合約 PDF 解析建索引,做企業知識問答
• 財報這類含表格的文件,解析成可檢索的結構化資料
• 設計多層索引與檢索策略,讓答案又準又省 token

選型重點

• 成敗卡在「文件品質與檢索精度」→ LlamaIndex;要串大量外部工具與流程 → LangChain,實務上兩者也常混搭
• 開源核心可自由使用;文件解析等雲端加值服務以官方公告為準
• 檢索品質取決於切塊與索引設計,不是裝上就自動變準

💡 一句話記憶:LlamaIndex = 幫 LLM 蓋圖書館:文件進,查得動的知識庫出。

iPAS 考點

屬「RAG 資料框架(Pro-code)」。判斷關鍵字:文件解析、索引、RAG。經典對照:LangChain 重「流程編排」、LlamaIndex 重「資料與檢索」— 題目強調「大量文件要讓 LLM 檢索」→ LlamaIndex;RAG 架構題中,它負責資料進場與索引那一段。