查询管道#

概念#

LlamaIndex 提供了一个声明式查询API，允许您将不同模块链接在一起，以便在数据上编排从简单到高级的工作流。

这围绕我们的QueryPipeline抽象展开。加载各种模块（从LLM到提示词到检索器再到其他管道），将它们全部连接成一个顺序链或DAG，并端到端运行。

注意：您可以在不使用声明式管道抽象的情况下编排所有这些工作流程（通过命令式地使用模块并编写自己的函数）。那么QueryPipeline的优势是什么？

• 用更少的代码/样板表达常见工作流程
• 更高的可读性
• 与常见低代码/无代码解决方案（如LangFlow）实现更高兼容性/更优集成点
• [未来] 声明式接口将支持轻松序列化管道组件，实现管道的可移植性/更便捷地部署到不同系统。

我们的查询管道还会在所有子模块中传播回调函数，这些功能与我们的可观测性合作伙伴进行了集成。

要查看QueryPipeline的实际交互示例，请查看RAG CLI。

使用模式#

以下是两种设置查询管道的简单方法 - 从设置顺序链的简化语法到设置完整的计算DAG。

from llama_index.core.query_pipeline import QueryPipeline

# sequential chain
p = QueryPipeline(chain=[prompt_tmpl, llm], verbose=True)

# DAG
p = QueryPipeline(verbose=True)
p.add_modules({"prompt_tmpl": prompt_tmpl, "llm": llm})
p.add_link("prompt_tmpl", "llm")

# run pipeline
p.run(prompt_key1="<input1>", ...)

更多信息可以在以下使用模式指南中找到。

• 使用模式指南
• 模块使用

模块指南#

查看我们的QueryPipeline端到端指南，学习从标准到高级的方法来设置数据编排。