LlamaIndex 支持哪些类型的数据索引？

1. Vector Store Index（向量存储索引）

最常用的索引类型。为每个 Node 生成语义嵌入向量并存储在向量数据库中，通过计算查询向量与存储向量之间的相似度（如余弦相似度）进行检索。适用于语义相似度搜索场景，是标准 RAG 工作流的核心组件。LlamaIndex 集成了数十种向量存储后端，包括 Pinecone、Weaviate、Chroma、Qdrant、Milvus、FAISS 等。

2. Summary Index（摘要索引，原 List Index）

将 Node 以线性链的形式存储，查询时将所有 Node 加载到响应合成模块中。适用于需要对全部文档进行总结或遍历查询的场景，例如"总结所有文档的主要观点"。

3. Tree Index（树索引）

构建层次化的树结构，叶子节点为原始 Node，父节点为其子节点的摘要。查询时从根节点向下遍历，逐层选择最相关的子节点。适用于需要多级摘要和大规模语料库分层浏览的场景。

4. Keyword Table Index（关键词表索引）

从每个 Node 中提取关键词并建立关键词到 Node 的映射关系。查询时从问题中提取相关关键词，匹配预提取的 Node 关键词以获取对应 Node。适用于精确关键词匹配和实体查找场景，如订单号、产品型号、错误代码等。

5. Knowledge Graph Index（知识图谱索引）

从 Node 中提取实体和关系，构建知识图谱。支持实体关系推理和复杂关联查询，适用于需要理解实体间关系的场景，如论文引用关系、组织架构关系等。

6. 可组合索引（Composable Indices）

支持将多种索引类型组合使用，例如在树索引的节点上使用向量存储索引，或在知识图谱节点上启用向量检索，以满足复杂查询需求。