文章大綱
-
- 1 技術原理總覽
- 2 詳細實現步驟(含代碼)
-
- 2.1 環境準備
- 2.2 Excel → LlamaIndex 節點
- 2.3 構建向量索引(FAISS 本地)
- 2.4 Google Cloud 向量檢索(可選替換 FAISS)
- 2.5 LangChain 問答鏈
-
- A. RAG 模式(向量檢索 + LLM 生成)
- B. SQL 模式(無 RAG,直接查表)
- 2.6 Token 與延遲監控(CometLLM)
- 3 代碼倉庫與參考鏈接
- 4 參考文獻(學術 & 工程)
3.1 小節 “LangChain + LlamaIndex 實現” 的完整技術實現、原理剖解、可運行代碼片段與參考文獻(基于原始文檔需求,兼顧 Google Cloud 與純開源兩條路徑)
1 技術原理總覽
層級 | 職責 | 關鍵技術點 |
---|---|---|
① 數據層 | 把 Excel 結構化知識轉成機器可讀 | pandas 解析 → llama-index 節點化 → 元數據注入 |
② 索引層 | 建立可檢索的向量/結構化索引 | VectorStoreIndex (FAISS)可選: SQLDatabaseChain (SQLite/BigQuery) |
③ 推理層 | LLM 先檢索后生成 | LangChain RetrieverQA 或 ConversationalRetrievalChain |
④ 監控層 | Token、延遲、準確率 | CometLL |