目录
IngestionPipeline #
基类: BaseModel
可应用于数据的摄取 pipeline。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
name
|
str
|
摄取 pipeline 的唯一名称。默认为 DEFAULT_PIPELINE_NAME。 |
'default'
|
project_name
|
str
|
项目的唯一名称。默认为 DEFAULT_PROJECT_NAME。 |
'Default'
|
transformations
|
List[TransformComponent]
|
应用于数据的转换。默认为 None。 |
必需 |
documents
|
可选[Sequence[Document]]
|
要摄取的文档。默认为 None。 |
必需 |
readers
|
可选[List[ReaderConfig]]
|
用于读取数据的 Reader。默认为 None。 |
必需 |
vector_store
|
可选[BasePydanticVectorStore]
|
用于存储数据的向量存储。默认为 None。 |
必需 |
cache
|
可选[IngestionCache]
|
用于存储数据的缓存。默认为 None。 |
<动态>
|
docstore
|
可选[BaseDocumentStore]
|
用于与向量存储进行去重的文档存储。默认为 None。 |
无
|
docstore_strategy
|
文档存储策略
|
文档去重策略。默认为 DocstoreStrategy.UPSERTS。 |
<DocstoreStrategy.UPSERTS: 'upserts'>
|
disable_cache
|
bool
|
禁用缓存。默认为 False。 |
False
|
base_url
|
str
|
LlamaCloud API 的基础 URL。默认为 DEFAULT_BASE_URL。 |
必需 |
app_url
|
str
|
LlamaCloud 应用的基础 URL。默认为 DEFAULT_APP_URL。 |
必需 |
api_key
|
可选[str]
|
LlamaCloud API 密钥。默认为 None。 |
必需 |
示例
from llama_index.core.ingestion import IngestionPipeline
from llama_index.core.node_parser import SentenceSplitter
from llama_index.embeddings.openai import OpenAIEmbedding
pipeline = IngestionPipeline(
transformations=[
SentenceSplitter(chunk_size=512, chunk_overlap=20),
OpenAIEmbedding(),
],
)
nodes = pipeline.run(documents=documents)
源代码位于 llama-index-core/llama_index/core/ingestion/pipeline.py
191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 |
|
persist #
persist(persist_dir: str = './pipeline_storage', fs: Optional[AbstractFileSystem] = None, cache_name: str = DEFAULT_CACHE_NAME, docstore_name: str = DOCSTORE_FNAME) -> None
将管道持久化到磁盘。
源代码位于 llama-index-core/llama_index/core/ingestion/pipeline.py
303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 |
|
load #
load(persist_dir: str = './pipeline_storage', fs: Optional[AbstractFileSystem] = None, cache_name: str = DEFAULT_CACHE_NAME, docstore_name: str = DOCSTORE_FNAME) -> None
从磁盘加载管道。
源代码位于 llama-index-core/llama_index/core/ingestion/pipeline.py
325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 |
|
run #
run(show_progress: bool = False, documents: Optional[List[Document]] = None, nodes: Optional[Sequence[BaseNode]] = None, cache_collection: Optional[str] = None, in_place: bool = True, store_doc_text: bool = True, num_workers: Optional[int] = None, **kwargs: Any) -> Sequence[BaseNode]
对一组节点运行一系列转换。
如果提供了向量存储,则会将带有嵌入的节点添加到向量存储中。
如果提供了向量存储 + 文档存储,则将使用文档存储进行文档去重。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
show_progress
|
bool
|
显示执行进度条。默认为 False。 |
False
|
documents
|
可选[列表[Document]]
|
要进行转换的文档集合。默认为 None。 |
无
|
nodes
|
可选[序列[BaseNode]]
|
要进行转换的节点集合。默认为 None。 |
无
|
cache_collection
|
可选[str]
|
转换的缓存。默认为 None。 |
无
|
in_place
|
bool
|
转换是为转换后的节点创建一个新列表,还是修改传递给 |
True
|
num_workers
|
可选[int]
|
要使用的并行进程数。如果设置为 None,则使用顺序计算。默认为 None。 |
无
|
返回
类型 | 描述 |
---|---|
序列[BaseNode]
|
Sequence[BaseNode]:转换后的节点/文档集合 |
源代码位于 llama-index-core/llama_index/core/ingestion/pipeline.py
455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 |
|
arun async
#
arun(show_progress: bool = False, documents: Optional[List[Document]] = None, nodes: Optional[Sequence[BaseNode]] = None, cache_collection: Optional[str] = None, in_place: bool = True, store_doc_text: bool = True, num_workers: Optional[int] = None, **kwargs: Any) -> Sequence[BaseNode]
对一组节点运行一系列转换。
如果提供了向量存储,则会将带有嵌入的节点添加到向量存储中。
如果提供了向量存储 + 文档存储,则将使用文档存储进行文档去重。
参数
名称 | 类型 | 描述 | 默认值 |
---|---|---|---|
show_progress
|
bool
|
显示执行进度条。默认为 False。 |
False
|
documents
|
可选[列表[Document]]
|
要进行转换的文档集合。默认为 None。 |
无
|
nodes
|
可选[序列[BaseNode]]
|
要进行转换的节点集合。默认为 None。 |
无
|
cache_collection
|
可选[str]
|
转换的缓存。默认为 None。 |
无
|
in_place
|
bool
|
转换是为转换后的节点创建一个新列表,还是修改传递给 |
True
|
num_workers
|
可选[int]
|
要使用的并行进程数。如果设置为 None,则使用顺序计算。默认为 None。 |
无
|
返回
类型 | 描述 |
---|---|
序列[BaseNode]
|
Sequence[BaseNode]:转换后的节点/文档集合 |
源代码位于 llama-index-core/llama_index/core/ingestion/pipeline.py
636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 |
|
DocstoreStrategy #
基类: str
, Enum
文档去重策略通过比较存储在文档存储中的哈希或 ID 来工作。它们需要设置文档存储,并且该存储必须在管道运行之间保持持久化。
属性
名称 | 类型 | 描述 |
---|---|---|
UPSERTS |
('upserts') 使用 upserts 处理重复项。根据文档 ID 检查文档是否已存在于文档存储中。如果不存在,或者文档的哈希已更新,它将更新文档存储中的文档并运行转换。 |
|
DUPLICATES_ONLY |
('duplicates_only') 仅处理重复项。检查文档的哈希是否已存在于文档存储中。只有这样,它才会将文档添加到文档存储并运行转换。 |
|
UPSERTS_AND_DELETE |
('upserts_and_delete') 使用 upserts 和 delete 处理重复项。类似于 upsert 策略,但它还会从文档存储中删除不存在的文档。 |
源代码位于 llama-index-core/llama_index/core/ingestion/pipeline.py
171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 |
|