LlamaIndexTS
LlamaIndexTS 曾是一个专为 JavaScript 和 TypeScript 运行时设计的数据框架,旨在帮助开发者轻松地将大语言模型(LLM)与私有数据相结合,构建强大的服务端 AI 应用。它主要解决了如何在 Node.js、Deno、Bun 以及 Vercel Edge、Cloudflare Workers 等边缘计算环境中,高效地连接各类主流大模型(如 OpenAI、Anthropic、Llama 系列等)并管理外部数据源的问题。
通过提供轻量级的库和模块化设计,LlamaIndexTS 让开发者能够灵活地集成向量数据库、文件读取器以及不同的 AI 模型提供商,从而快速搭建检索增强生成(RAG)系统或智能问答应用。其独特的技术亮点在于对多种现代 JS 运行环境的广泛兼容,打破了以往此类工具多局限于 Python 生态的局面,为前端全栈及边缘计算开发者提供了更多选择。
需要注意的是,该项目目前已停止维护并正式弃用,官方建议有相关需求的用户转向使用 LlamaCloud 或参考其 Python 版本的最新文档。尽管如此,理解 LlamaIndexTS 的设计思路对于希望在 JS 生态中探索大模型应用开发的工程师而言,仍具有重要的参考价值。
使用场景
一家基于 Next.js 构建 SaaS 平台的初创团队,希望让 TypeScript 后端直接接入企业私有文档库,为用户提供精准的 AI 问答服务。
没有 LlamaIndexTS 时
- 开发者需手动编写复杂的脚本解析 PDF、Word 等非结构化数据,清洗过程耗时且容易出错。
- 缺乏统一的数据索引机制,每次查询都要重新向大模型发送全文上下文,导致 Token 消耗巨大且响应缓慢。
- 难以在 Node.js、Deno 或 Vercel Edge 等不同 JS 运行时中复用逻辑,被迫维护多套适配代码。
- 切换不同大模型供应商(如从 OpenAI 切到 Anthropic)需要重构大量底层调用代码,扩展性极差。
使用 LlamaIndexTS 后
- 利用内置的数据连接器一键摄入多种格式文档,自动完成分块与向量化,将数据准备时间从数天缩短至小时级。
- 通过高效的检索增强生成(RAG)架构,仅提取最相关的文档片段发送给大模型,显著降低延迟并节省成本。
- 一套代码无缝部署于 Node.js、Bun 或 Cloudflare Workers 等多种环境,充分利用 Serverless 架构优势。
- 借助标准化的接口抽象,仅需修改配置即可灵活切换底层大模型,快速验证不同厂商的效果差异。
LlamaIndexTS 让 TypeScript 开发者能以最低成本构建高性能、可维护的企业级 RAG 应用,尽管该项目已停止维护,但其设计思路仍深刻影响着 JS 生态的 AI 开发模式。
运行环境要求
- 未说明
未说明
未说明

快速开始
[!CAUTION]
已弃用通知
该项目已弃用,不再维护。
如需使用 LlamaCloud/LlamaParse,请查看我们的文档:https://developers.llamaindex.ai/python/cloud/
感谢所有为 LlamaIndex.TS 做出贡献和使用它的朋友们。
LlamaIndex.TS(已弃用)
面向您的大语言模型应用的数据框架。
在支持 TypeScript 的 JavaScript 运行环境中,利用您自己的数据与大型语言模型(LLMs,如 OpenAI ChatGPT 等)进行交互。
在线试用示例:
什么是 LlamaIndex.TS?
LlamaIndex.TS 致力于成为一个轻量级、易于使用的库集合,帮助您将大型语言模型与您自己的数据集成到应用程序中。
兼容性
多种 JavaScript 环境支持
LlamaIndex.TS 支持多种 JavaScript 环境,包括:
- Node.js >= 20 ✅
- Deno ✅
- Bun ✅
- Nitro ✅
- Vercel Edge Runtime ✅(存在一定限制)
- Cloudflare Workers ✅(存在一定限制)
目前,由于缺乏对 AsyncLocalStorage 类似 API 的支持,浏览器端的支持较为有限。
支持的 LLMs:
- OpenAI LLMs
- Anthropic LLMs
- Groq LLMs
- Llama2、Llama3、Llama3.1 LLMs
- MistralAI LLMs
- Fireworks LLMs
- DeepSeek LLMs
- ReplicateAI LLMs
- TogetherAI LLMs
- HuggingFace LLMs
- DeepInfra LLMs
- Gemini LLMs
快速开始
npm install llamaindex
pnpm install llamaindex
yarn add llamaindex
在 Node.js、Deno、Bun、TypeScript 等环境中设置?
请参阅我们的官方文档:https://ts.llamaindex.ai/docs/llamaindex/getting_started
添加提供商包
在大多数情况下,您还需要安装提供商包才能使用 LlamaIndexTS。这些包用于添加 AI 模型、用于数据摄取的文件读取器或用于存储文档的向量数据库等。
例如,要使用 OpenAI LLM,您可以安装以下包:
npm install @llamaindex/openai
pnpm install @llamaindex/openai
yarn add @llamaindex/openai
演示平台
请访问我们的 NextJS 演示平台:https://llama-playground.vercel.app/。源代码可在 https://github.com/run-llama/ts-playground 上找到。
入门核心概念:
请参阅我们的文档:https://ts.llamaindex.ai/docs/llamaindex/getting_started/concepts
贡献:
更多信息请参阅我们的贡献指南。我们非常鼓励您为 LlamaIndex.TS 做出贡献!
社区
欢迎加入我们的 Discord!https://discord.com/invite/eN6D2HQ4aX
版本历史
@llamaindex/xai@0.0.252025/12/02@llamaindex/azure@0.2.02025/12/02@llamaindex/perplexity@0.0.352025/12/02@llamaindex/vllm@0.0.642025/12/02@llamaindex/tools@0.2.02025/12/02@llamaindex/mongodb@0.1.02025/12/02@llamaindex/vercel@0.1.232025/12/02@llamaindex/ovhcloud@1.0.02025/12/02@llamaindex/together@0.0.382025/12/02@llamaindex/deepinfra@0.0.782025/12/02@llamaindex/experimental@0.0.2082025/12/02@llamaindex/jinaai@0.0.382025/12/02@llamaindex/fireworks@0.0.382025/12/02@llamaindex/groq@0.0.942025/12/02@llamaindex/google@0.4.02025/12/02@llamaindex/deepseek@0.0.402025/12/02@llamaindex/autotool@9.0.12025/12/02@llamaindex/openai@0.4.222025/12/02@llamaindex/clip@0.0.782025/12/02@llamaindex/huggingface@0.1.322025/12/02常见问题
相似工具推荐
openclaw
OpenClaw 是一款专为个人打造的本地化 AI 助手,旨在让你在自己的设备上拥有完全可控的智能伙伴。它打破了传统 AI 助手局限于特定网页或应用的束缚,能够直接接入你日常使用的各类通讯渠道,包括微信、WhatsApp、Telegram、Discord、iMessage 等数十种平台。无论你在哪个聊天软件中发送消息,OpenClaw 都能即时响应,甚至支持在 macOS、iOS 和 Android 设备上进行语音交互,并提供实时的画布渲染功能供你操控。 这款工具主要解决了用户对数据隐私、响应速度以及“始终在线”体验的需求。通过将 AI 部署在本地,用户无需依赖云端服务即可享受快速、私密的智能辅助,真正实现了“你的数据,你做主”。其独特的技术亮点在于强大的网关架构,将控制平面与核心助手分离,确保跨平台通信的流畅性与扩展性。 OpenClaw 非常适合希望构建个性化工作流的技术爱好者、开发者,以及注重隐私保护且不愿被单一生态绑定的普通用户。只要具备基础的终端操作能力(支持 macOS、Linux 及 Windows WSL2),即可通过简单的命令行引导完成部署。如果你渴望拥有一个懂你
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
markitdown
MarkItDown 是一款由微软 AutoGen 团队打造的轻量级 Python 工具,专为将各类文件高效转换为 Markdown 格式而设计。它支持 PDF、Word、Excel、PPT、图片(含 OCR)、音频(含语音转录)、HTML 乃至 YouTube 链接等多种格式的解析,能够精准提取文档中的标题、列表、表格和链接等关键结构信息。 在人工智能应用日益普及的今天,大语言模型(LLM)虽擅长处理文本,却难以直接读取复杂的二进制办公文档。MarkItDown 恰好解决了这一痛点,它将非结构化或半结构化的文件转化为模型“原生理解”且 Token 效率极高的 Markdown 格式,成为连接本地文件与 AI 分析 pipeline 的理想桥梁。此外,它还提供了 MCP(模型上下文协议)服务器,可无缝集成到 Claude Desktop 等 LLM 应用中。 这款工具特别适合开发者、数据科学家及 AI 研究人员使用,尤其是那些需要构建文档检索增强生成(RAG)系统、进行批量文本分析或希望让 AI 助手直接“阅读”本地文件的用户。虽然生成的内容也具备一定可读性,但其核心优势在于为机器
LLMs-from-scratch
LLMs-from-scratch 是一个基于 PyTorch 的开源教育项目,旨在引导用户从零开始一步步构建一个类似 ChatGPT 的大型语言模型(LLM)。它不仅是同名技术著作的官方代码库,更提供了一套完整的实践方案,涵盖模型开发、预训练及微调的全过程。 该项目主要解决了大模型领域“黑盒化”的学习痛点。许多开发者虽能调用现成模型,却难以深入理解其内部架构与训练机制。通过亲手编写每一行核心代码,用户能够透彻掌握 Transformer 架构、注意力机制等关键原理,从而真正理解大模型是如何“思考”的。此外,项目还包含了加载大型预训练权重进行微调的代码,帮助用户将理论知识延伸至实际应用。 LLMs-from-scratch 特别适合希望深入底层原理的 AI 开发者、研究人员以及计算机专业的学生。对于不满足于仅使用 API,而是渴望探究模型构建细节的技术人员而言,这是极佳的学习资源。其独特的技术亮点在于“循序渐进”的教学设计:将复杂的系统工程拆解为清晰的步骤,配合详细的图表与示例,让构建一个虽小但功能完备的大模型变得触手可及。无论你是想夯实理论基础,还是为未来研发更大规模的模型做准备