如何阅读这些文档#

欢迎来到 LlamaIndex 文档！我们努力使这些文档易于理解，无论您在使用 LlamaIndex 以及 LLM 和生成式 AI 方面的经验如何。

开始之前#

LlamaIndex 是一个 Python 库，因此您应该安装 Python 并对如何编写它有基本的了解。如果您喜欢 JavaScript，我们推荐试用我们的 TypeScript 包。

我们的许多示例都采用 Notebook 格式，即 Jupyter 风格的笔记本。您无需安装 Jupyter；您可以在托管服务（例如 Google Colab）上试用我们的大多数示例。

我们的文档结构设计旨在让您只需按页面顶部的链接从左到右，或点击页面底部的“下一页”链接，即可大致按顺序阅读。

入门：您当前所在的章节。无论您对 LlamaIndex 和 LLMs 一无所知，我们都可以帮助您入门。安装库，用五行代码编写第一个演示，了解 LLM 应用的高层概念，然后了解如何自定义这五行代码示例以满足您的需求。
学习：完成入门章节后，这是下一个去处。通过一系列短小精悍的教程，我们将带您了解构建生产级 LlamaIndex 应用的每个阶段，并在过程中帮助您提升库和 LLMs 的整体概念水平。
用例：如果您是开发人员，正在弄清楚 LlamaIndex 是否适用于您的用例，我们提供了您可以构建的应用类型概述。
示例：我们为几乎所有功能提供了丰富的笔记本示例。探索这些示例以发现并学习有关 LlamaIndex 的新知识。
组件指南：按照构建 LLM 应用的顺序排列，这些是 LlamaIndex 各个组件及其使用方法的全面、低层指南。
高级主题：如果您已经有了可运行的 LlamaIndex 应用，并希望进一步优化它？我们的高级章节将带您了解首先应该尝试优化的内容，例如嵌入模型和分块大小，然后逐步深入更复杂和细微的自定义，直到微调模型。