本指南用图示说明每种索引的工作方式。

先明确几个术语：

• Node：对应文档中的一个文本块。LlamaIndex 接收 Document 对象，并在内部把它们解析/切分成 Node 对象。
• Response Synthesis（响应合成）：根据检索到的 Node 合成回答的模块。你可以了解如何指定不同的响应模式。

摘要索引（原列表索引）

摘要索引只是把 Nodes 存成一条顺序链。

查询

在查询时，若没有指定其他查询参数，LlamaIndex 会把列表中的所有 Nodes 全部交给响应合成模块。

摘要索引也提供了多种查询方式：既可以做基于嵌入的查询以取回 top-k 近邻，也可以再叠加关键词过滤，如下所示：

向量库索引（Vector Store Index）

向量库索引把每个 Node 及其对应的嵌入存放在一个向量库里。

查询

查询向量库索引时，会取回最相似的前 k 个 Nodes，并把它们交给响应合成模块。

树索引

树索引由一组 Nodes 构建出一棵层级树（这些 Node 成为树的叶子节点）。

查询

查询树索引时要从根节点往下走到叶子节点。默认（child_branch_factor=1）下，一个查询在每个父节点处选择一个子节点；若 child_branch_factor=2，则每层选择两个子节点。

关键词表索引

关键词表索引会从每个 Node 抽取关键词，并建立「关键词 → 该关键词对应的 Nodes」的映射。

查询

在查询时，我们从查询本身抽取关键词，并与预先抽取的节点关键词做匹配，取回对应的 Nodes。这些 Node 会被交给响应合成模块。

属性图索引

属性图索引的做法是先构建一张带有标签节点与关系的知识图谱。这张图的构建过程极其可定制：既可以让 LLM 想抽什么就抽什么，也可以按严格 schema 抽取，甚至实现你自己的抽取模块。

也可以选择为节点生成嵌入，以便后续检索。

你还可以跳过创建环节，通过 Neo4j 这类集成直接连到一张已有的知识图谱上。

查询

属性图索引的查询同样非常灵活。检索由若干子检索器协作完成并把结果合并。默认情况下，会使用权重 + 同义词扩展，以及向量检索（如果图已生成嵌入），来取回相关的三元组。

你还可以选择在检索到的三元组之外一并带上源文本（在 LlamaIndex 之外构建的图谱不支持这一点）。

更多内容见属性图完整指南。