想让 ChatGPT 不再“答非所问”？想打造属于你自己的 AI 助理，读懂你的资料？
本文手把手带你用 LlamaIndex 构建一个“可读PDF/Word文件”的问答系统，无需大模型训练，不用写一堆代码，新手也能搞定！
🔧 一、你将搭建一个什么系统？
我们要搭的，是这样一个 AI 应用：
📝 你上传一份文档（比如《员工手册》或《产品说明书》）
💬 然后你就可以对它提问，比如：“试用期有几个月？”、“产品适合哪些用户？”
🤖 AI 会准确回答你问题，就像它已经“读过”文档一样聪明！
这个系统的幕后英雄，就是 —— LlamaIndex + OpenAI 大模型（或本地大模型）
📦 二、准备工作：这些你得先搞定
1. 基础环境准备（推荐用Python虚拟环境）
pip install llama-index openai
🚨 如果你用的是本地模型（如 Ollama、DeepSeek、ChatGLM），可用
llama-index-llms-xxx模块适配。
2. 设置 OpenAI Key（如使用 ChatGPT 模型）
import osos.environ["OPENAI_API_KEY"] = "你的key"
🧱 三、5步搭建问答系统（超详细）
✅ 步骤 1：加载文档
from llama_index import download_loaderPDFReader = download_loader("PDFReader")loader = PDFReader()documents = loader.load_data(file="your_file.pdf") # 支持 .pdf、.docx、.md 等格式
✅ 步骤 2：构建索引（建图书馆目录）
from llama_index import VectorStoreIndexindex = VectorStoreIndex.from_documents(documents)
这一步会把文档切分为段落、计算向量、建立索引，方便快速搜索。
✅ 步骤 3：创建问答引擎
query_engine = index.as_query_engine()
LlamaIndex 默认会将你的问题自动转化成“智能检索+生成回答”的模式。
✅ 步骤 4：开始提问
response = query_engine.query("试用期员工有哪些规定？")print(response)
你会看到一个准确且贴合文档内容的回答！
💡 四、可拓展玩法：再高级一点点
1. 支持多文档问答
from llama_index import SimpleDirectoryReaderdocuments = SimpleDirectoryReader("./my_documents").load_data()
将多个文件放入同一文件夹，实现企业级资料整合！
2. 自定义 Prompt & 模型接口
你可以接入自己的本地模型：
from llama_index.llms.ollama import Ollamallm = Ollama(model="llama3")query_engine = index.as_query_engine(llm=llm)
还可以自定义提示词：
from llama_index.prompts import PromptTemplatecustom_prompt = PromptTemplate("请根据以下文档内容认真回答问题：{context_str}n问题是：{query_str}")query_engine = index.as_query_engine(text_qa_template=custom_prompt)
3. 接入 Web UI（如 Gradio）
想部署到网页？配合 Gradio，几行代码搞定：
import gradio as grdef chat_with_doc(question): response = query_engine.query(question) return str(response)gr.Interface(fn=chat_with_doc, inputs="text", outputs="text").launch()
🧠 五、写在最后：这就是你的“私人ChatGPT”
你不需要训练模型、不需要大数据集，只要一份文档，加上 LlamaIndex，你就可以：
-
构建 个人笔记问答系统；
-
构建 企业知识库机器人；
-
构建 教育类智能答疑助手；
未来你甚至可以配合 LangChain、Agent 模型、向量数据库，做出更智能的工作流！
💬 一句话总结：
LlamaIndex 就像给 ChatGPT 装了一个“读书器”，让它终于能读懂你自己的文档！
