LlamaIndex
Parent: ai_keywords
LlamaIndex
核心定义
LlamaIndex 是一个开源的数据框架（Data Framework），专为构建基于大语言模型（LLM）的检索增强生成（RAG）应用而设计。其核心功能是将用户私有的、结构化和非结构化数据（如PDF、数据库、API输出）转化为 LLM 可高效检索与推理的索引结构，从而实现精准、可控的知识问答与文档分析。
关键技术点
-
多级数据索引
支持向量索引、关键词索引、图索引等多种模式，可对文档片段、元数据及语义关系进行分层组织，提升长文本检索效率。 -
混合检索与重排序
结合语义（向量）检索与词频（BM25）检索，并引入重排序（Re-rank）模块，过滤噪声结果，优先返回高相关度内容。 -
可组合查询引擎
允许将复杂问题拆解为子查询（Sub-Question），通过多个索引并行检索后融合答案，实现多跳推理（Multi-hop Reasoning）。 -
丰富的数据连接器（Connectors）
原生集成超过150种数据源（如Notion、Slack、SQL、PDF），通过统一接口（Data Loader）快速接入异构数据，无需手写解析代码。 -
结构化文档解析
通过节点解析器（Node Parser）自动拆分长文档为语义连贯的“节点”，并保留段落、标题、表格等元信息，支持细粒度检索。
医学/神经科学应用场景（以首都医科大学神经病学研究为例）
在帕金森病（PD）早期诊断中，临床医生需综合多模态数据：运动症状评估（UPDRS评分）、多巴胺PET影像、脑电图（EEG）频域特征及基因检测报告。利用LlamaIndex可构建“帕金森病辅助诊断知识库”：
- 数据接入：通过连接器导入首都医科大学附属医院积累的500例PD患者匿名病历（含影像报告、运动曲线、用药记录）及最新的《中国帕金森病诊疗指南》PDF。
- 索引设计：为每份病历生成向量索引（语义匹配），同时以“基因突变类型”、“运动迟缓等级”等字段建立关键词索引，支持混合查询。
- 应用示例：医生查询“该男性患者双侧静止性震颤、但黑质超声无异常，与H&Y 2期患者中哪类亚型最相似？”系统自动检索相似症状病历，并对比指南中“震颤为主型PD”与“药物性帕金森综合征”的鉴别要点，输出概率分析及文献证据。
该方案将LlamaIndex的非结构化数据索引能力与神经病学临床决策路径深度结合，显著提升罕见亚型分类与个体化治疗推荐的效率。
