配置设置

Settings 是在 LlamaIndex 工作流/应用程序的索引和查询阶段使用的一组常用资源包。

您可以使用它来设置全局配置。局部配置（转换、LLMs、嵌入模型）可以直接传递给使用它们的接口。

Settings 是一个简单的单例对象，它存在于整个应用程序的生命周期中。当未提供特定组件时，将使用 Settings 对象作为全局默认值来提供该组件。

以下属性可在 Settings 对象上进行配置：

大语言模型

LLM用于响应提示和查询，并负责撰写自然语言回复。

from llama_index.llms.openai import OpenAI
from llama_index.core import Settings

Settings.llm = OpenAI(model="gpt-3.5-turbo", temperature=0.1)

嵌入模型

嵌入模型用于将文本转换为数值表示，用于计算相似度和 top-k 检索。

from llama_index.embeddings.openai import OpenAIEmbedding
from llama_index.core import Settings

Settings.embed_model = OpenAIEmbedding(
    model="text-embedding-3-small", embed_batch_size=100
)

节点解析器 / 文本分割器

节点解析器/文本分割器用于将文档解析成更小的块，称为节点。

from llama_index.core.node_parser import SentenceSplitter
from llama_index.core import Settings

Settings.text_splitter = SentenceSplitter(chunk_size=1024)

如果您只想更改块大小或块重叠而不更改默认分割器，这也是可行的：

Settings.chunk_size = 512
Settings.chunk_overlap = 20

转换

在数据摄取过程中，转换会被应用于 Document。默认情况下会使用 node_parser/text_splitter，但这一设置可以被覆盖并进行进一步自定义。

from llama_index.core.node_parser import SentenceSplitter
from llama_index.core import Settings

Settings.transformations = [SentenceSplitter(chunk_size=1024)]

分词器

分词器用于统计词元数量。这应当设置为与你所使用的LLM相匹配的内容。

from llama_index.core import Settings

# openai
import tiktoken

Settings.tokenizer = tiktoken.encoding_for_model("gpt-3.5-turbo").encode

# open-source
from transformers import AutoTokenizer

Settings.tokenzier = AutoTokenizer.from_pretrained(
    "mistralai/Mixtral-8x7B-Instruct-v0.1"
)

回调函数

您可以设置一个全局回调管理器，用于观察和处理整个llama-index代码生成的事件

from llama_index.core.callbacks import TokenCountingHandler, CallbackManager
from llama_index.core import Settings

token_counter = TokenCountingHandler()
Settings.callback_manager = CallbackManager([token_counter])

提示助手参数

在查询过程中会使用一些特定的参数/值，以确保输入给LLM的提示有足够的空间来生成一定数量的令牌。

通常情况下，这些会使用来自LLM的属性自动配置，但在特殊情况下可以被覆盖。

from llama_index.core import Settings

# maximum input size to the LLM
Settings.context_window = 4096

# number of tokens reserved for text generation.
Settings.num_output = 256

设置本地配置

使用设置中特定部分的接口也可以接受本地覆盖。

index = VectorStoreIndex.from_documents(
    documents, embed_model=embed_model, transformations=transformations
)

query_engine = index.as_query_engine(llm=llm)