配置设置#
Settings
是LlamaIndex工作流/应用中在索引和查询阶段常用资源的集合。
您可以用它来设置全局配置。局部配置(如转换、LLMs、嵌入模型)可以直接传入使用它们的接口中。
Settings
是一个简单的单例对象,它在整个应用程序生命周期中存在。当未提供特定组件时,Settings
对象会作为全局默认值来提供该组件。
以下属性可以在Settings
对象上进行配置:
LLM#
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的分割器,这也是可行的:
Settings.chunk_size = 512
Settings.chunk_overlap = 20
转换#
转换操作会在数据摄取过程中应用于Document
文档。默认情况下会使用node_parser
/text_splitter
文本分割器,但这个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。这应该设置为与您使用的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llama-index代码中生成的事件
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,这些参数会根据LLM的属性自动配置,但在特殊情况下可以手动覆盖。
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
提示
了解如何配置特定模块: - LLM - 嵌入模型 - 节点解析器/文本分割器 - 回调函数
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)