通过GraphQL和图数据库丰富LlamaIndex模型
原文英文，约2700词，阅读约需10分钟。
📝
内容提要
本文介绍了如何为LlamaIndex添加新的数据加载器，包括CSV加载器和图数据库加载器，并通过示例展示了如何利用这些加载器提升大型语言模型（LLM）的回答质量。此外，作者分享了添加GraphQL加载器的过程，强调了LlamaIndex的灵活性和多样性。
❓
Q&A
LlamaIndex是什么？
LlamaIndex是一个工具包，用于通过上下文学习增强大型语言模型（LLM），支持从多个数据源获取数据。
如何为LlamaIndex添加新的数据加载器？
添加新加载器的过程简单，可以通过运行脚本来创建加载器的骨架文件，并实现所需的功能。
GraphQL加载器的作用是什么？
GraphQL加载器允许用户通过API查询语言获取结构化数据，并将其转换为文档供LLM使用。
LlamaIndex支持哪些类型的索引？
LlamaIndex支持多种索引类型，包括基于向量搜索的嵌入索引、简单列表索引和图形或树结构索引。
使用CSV加载器时，如何提供文档给LlamaIndex？
可以使用基本的CSV加载器加载CSV文件，并将其转换为LlamaIndex文档，以供后续查询使用。
图数据库加载器如何处理复杂关系数据？
图数据库加载器使用Cypher查询语言，能够处理复杂的关系数据，并将结果转换为LlamaIndex文档。
🏷️
