日本欧美视频在线观看,人妻～夫の上司犯感との,欧美午夜精品久久久久免费视

優(yōu)勢與局限

優(yōu)勢：依賴預(yù)先計算的摘要信息，可以快速響應(yīng)用戶的檢索請求，適用于數(shù)據(jù)更新不頻繁的場景。
局限：可能無法捕捉到最新的數(shù)據(jù)變化，對于動態(tài)變化的內(nèi)容，其檢索效果可能受限。

檢索器模式比較

LlamaIndex 中的 SummaryIndex 提供了三種不同的檢索器模式：default、embedding 和 llm。每種模式都有其獨特的技術(shù)依賴和應(yīng)用場景。

SummaryIndexRetriever（default）

SummaryIndexRetriever 是默認的檢索器模式，它主要依賴于預(yù)先計算的摘要信息來檢索數(shù)據(jù)。這種方式的優(yōu)點是速度快，但缺點是可能無法捕捉到最新的數(shù)據(jù)變化。

summary_retriever_default = summary_index.as_retriever(retriever_mode="default")

SummaryIndexEmbeddingRetriever（embedding）

SummaryIndexEmbeddingRetriever 使用嵌入技術(shù)來進行檢索。這種方式的優(yōu)點是可以捕捉到語義上的相似性，但缺點是計算開銷較大。

summary_retriever_embedding = summary_index.as_retriever(retriever_mode="embedding")

SummaryIndexLLMRetriever（llm）

SummaryIndexLLMRetriever 使用大型語言模型來進行檢索。這種方式的優(yōu)點是可以處理復(fù)雜的查詢和文檔，捕捉到更深層次的語義關(guān)系，但缺點是計算開銷非常大。

summary_retriever_llm = summary_index.as_retriever(retriever_mode="llm")

應(yīng)用場景與選擇指南

根據(jù)不同的應(yīng)用需求，選擇合適的檢索器模式至關(guān)重要。以下是一些場景和建議：

快速檢索與數(shù)據(jù)穩(wěn)定性

如果你需要快速檢索且數(shù)據(jù)變化不頻繁，可以選擇 default 模式。

語義相似性捕捉

如果你需要捕捉語義上的相似性，可以選擇 embedding 模式。

復(fù)雜查詢處理

如果你需要處理復(fù)雜的查詢和文檔，可以選擇 llm 模式。

代碼實現(xiàn)示例

以下是如何在 Python 中使用 LlamaIndex 構(gòu)建 SummaryIndex 并執(zhí)行檢索的示例代碼。

from llama_index.core import SimpleDirectoryReader, get_response_synthesizer
from llama_index.core import DocumentSummaryIndex
from llama_index.llms.openai import OpenAI
from llama_index.core.node_parser import SentenceSplitter

chatgpt = OpenAI(temperature=0, model="gpt-3.5-turbo")
splitter = SentenceSplitter(chunk_size=1024)
response_synthesizer = get_response_synthesizer(response_mode="tree_summarize", use_async=True)

doc_summary_index = DocumentSummaryIndex.from_documents(
    city_docs,
    llm=chatgpt,
    transformations=[splitter],
    response_synthesizer=response_synthesizer,
    show_progress=True,
)