LlamaIndex 支持的索引类型
根据 LlamaIndex 框架的文档和最新版本，主要支持以下几大类索引类型：
1. 基础索引类型
| 索引类型 | 说明 |
|---|---|
| VectorStoreIndex（向量存储索引） | 最核心、最常用的索引类型。将文档拆分为节点（Node）后，通过嵌入模型将节点转为向量，存入向量数据库，查询时基于语义向量相似度检索。支持对接 Chroma、Qdrant、Pinecone、Weaviate、Milvus 等多种向量数据库。 |
| SummaryIndex（摘要索引） | 原名 ListIndex，将所有节点按顺序视为一个列表。查询时遍历节点列表，适合需要对所有文档内容进行全局汇总的场景。 |
| TreeIndex（树索引） | 采用树状层次结构组织文档。将文档节点自底向上逐层构建摘要，查询时从根节点向叶子节点遍历，适合大规模文档的分层检索。 |
| KeywordTableIndex（关键词表索引） | 从每个节点提取关键词，建立"关键词 → 节点"的映射表。查询时先匹配关键词，再检索对应节点，适合精确关键词匹配的场景。 |
2. 高级索引类型
| 索引类型 | 说明 |
|---|---|
| KnowledgeGraphIndex（知识图谱索引） | 从文档中提取（实体, 关系, 实体）三元组，构建知识图谱。查询时支持图谱遍历和推理，适合关系密集型问答。 |
| PropertyGraphIndex（属性图索引） | 在知识图谱基础上支持节点和边上附加属性信息，更加灵活，适合复杂实体关系建模。 |
| DocumentSummaryIndex（文档摘要索引） | 为每篇文档生成摘要嵌入，先基于摘要做粗筛，再针对匹配的文档做细粒度检索，适合长文档的高效检索。 |
| MultiModalVectorStoreIndex（多模态向量索引） | 支持文本和图像的跨模态检索。文本和图像分别嵌入后存入同一向量空间，实现以文搜图、以图搜文等能力。 |
3. 专用索引类型
| 索引类型 | 说明 |
|---|---|
| SQL Index（SQL 索引） | 将自然语言查询转为 SQL，对接结构化数据库，实现 NL2SQL 功能。 |
| ComposableGraph（可组合图） | 允许在已有索引之上构建新的索引，形成多级索引结构。例如先用 KeywordTableIndex 做路由，再在匹配的分支上用 VectorStoreIndex 做精细检索。 |
4. 索引选择建议
场景 推荐索引
━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━━
通用语义搜索 → VectorStoreIndex
全局摘要 / 邮件汇总 → SummaryIndex (ListIndex)
大规模文档分层检索 → TreeIndex
关键词精确匹配 → KeywordTableIndex
关系推理 / 知识问答 → KnowledgeGraphIndex
长文档高效检索 → DocumentSummaryIndex
图文跨模态检索 → MultiModalVectorStoreIndex
结构化数据库查询 → SQL Index
多级路由检索 → ComposableGraph
Agent 工具/函数检索 → ObjectIndex
⚠️ 版本注意事项
随着 LlamaIndex 版本迭代（尤其是 v0.10+ 大版本重构后），部分索引类的导入路径和使用方式有所变化。例如：
ListIndex→ 更名为SummaryIndexGPTSimpleKeywordTableIndex→ 简化为KeywordTableIndexGPTTreeIndex→ 简化为TreeIndex
建议始终参考你当前使用版本的官方文档 API 来确认正确的类名和导入路径。
评论区