LlamaIndex 的核心架构由哪些模块组成？

1. 数据接入层（Data Ingestion）

数据接入层负责从各种数据源加载原始数据并转换为标准化格式。该层包含两个核心抽象：

• Document：外部数据源的原始表示，可以是一个 PDF 文件、一个网页、一段数据库查询结果或 API 响应。每个 Document 存储原始文本内容以及元数据（如文件名、创建日期、来源 URL）和关系信息（与其他 Document 或 Node 的连接）。
• Node：Document 被解析后的原子数据单元，是 LlamaIndex 中检索的最基本单位。Node 包含实际文本内容、从父 Document 继承的元数据，以及指向其他 Node 的关系指针（如前一个/后一个 Node）。

数据通过 Data Connector（也称为 Reader）从不同数据源接入，LlamaHub 生态提供了 300 多种集成包，覆盖云存储（Amazon S3、Google Drive）、生产力工具（Notion、Slack、Confluence）、数据库（PostgreSQL、MySQL、MongoDB）、文件格式（PDF、CSV、DOCX、HTML）等类型。

2. 索引层（Index Layer）

索引层将解析后的 Node 组织成可搜索的数据结构，以便高效检索相关信息。LlamaIndex 支持多种索引类型，针对不同的检索策略进行优化。

3. 检索层（Retrieval Layer）

检索层负责根据用户查询从索引中获取最相关的 Node。核心组件包括：

• Retriever：定义如何从索引中高效检索相关上下文，支持向量检索、关键词检索、混合检索等多种策略。
• Node Parser：控制文档分块策略，支持固定大小分块、句子级分割、语义分块等。
• Postprocessor：对检索结果进行后处理，如重排序、元数据过滤、上下文窗口扩展等。

4. 编排层（Orchestration Layer）

编排层负责协调检索、生成和多步骤工作流。核心组件包括：

• Workflows：事件驱动、异步优先的工作流引擎，通过 @step 装饰器定义步骤，步骤之间通过类型化事件（Event）进行通信，支持分支、循环、并行执行和状态持久化。
• Router：根据查询内容将请求路由到不同的检索策略或索引。

5. 应用层（Application Layer）

应用层提供面向最终用户的交互接口：

• Query Engine：将检索器和响应合成器组合成端到端管道，接收用户问题、检索相关 Node、使用 LLM 合成连贯答案。
• Chat Engine：支持多轮对话的交互接口，维护对话历史和上下文。
• Agent：具备自主推理和行动能力的智能体，可以调用工具、执行多步骤任务、维护记忆并进行反思。