Building_Data-Driven_Applications_with_LlamaIndex
此轮全球AI大模型的火爆，始于2022年11月的ChatGPT的发布，时间只有2年多，相关的应用和开发也才逐步展开。而像LlamaIndex这样的框架，也是2023年才开始出现，本身仍处在快速的迭代之中。因此，学习LlamaIndex的主要方式，仍然是 LlamaIndex的官方文档和示例。但是，从官网学习的主要问题，在于对初学者不够友好，概念众多，相对没那么好理解，系统性也有所欠缺。于是，按照通常的学习方式，我在网上搜索了LlamaIndex的书籍，然而，当前市面上没有一本中文书。英文书籍，也仅有两本，此书便是其中一本，出版于2024年5月。
这本书基于RAG的处理管线，讲解了构成LlamaIndex的各个组件，包括数据加载、节点、索引器、查询器等。同时，作者还讲解了如何使用LlamaIndex进行数据索引、检索、聊天机器人、Agent等任务。书中使用一个稍大一点的问答系统，PITS（Personalized Intelligent Tutoring System，个性化智能辅导系统），作为案例，贯穿全书的各个章节进行讲解。PITS支持用户上传PDF文件，评估用户的知识水平，然后对用户进行问题解答。
全书的结构大体上是按照：先介绍概念，再结合一些简单的代码示例对概念进行知识巩固，最后再应用到 PITS项目。总体上可读性还是不错的，但在涉及到部分主题，例如索引类型、提取器类型时，罗列了非常多，而这些都需要结合到项目中才能理解的更深入，这些内容占据了大量的篇幅，但是读起来却相当枯燥。实际上，我认为只需要细致讲解最常见的一种类型，然后其他类型一笔带过，读者在需要的时候，去阅读官方文档就可以了。
除了LlamaIndex本身，涉及到的第三方组件，例如 Chroma向量数据库、Streamlit（快速构建AI应用前端）也进行了讲解和示例。
说一点题外话，我大量阅读英文原版书籍的时候，还是刚毕业那几年，之后英文书就阅读的很少了。这本书，我通篇都是借助AI工具进行翻译的，Ctrl+C/Ctrl+V。我对比了翻译前后的语句，不论是在表达的流程度上，还是专业度、准确度上，都几乎找不出任何问题，极大的提升了阅读的效率。
感谢阅读，希望这篇文章能给你带来帮助！