LlamaHub 사용법

LlamaHub의 로더는 PyPI 패키지로 설치하거나 LlamaIndex의 download_loader로 단 한 줄에 가져와 쓸 수 있어요. 문서를 로드한 뒤 VectorStoreIndex에 넣고 질의하는 흐름을 볼게요.

출처: llama-hub README

PyPI 패키지로 설치하면 이렇게 해요.

pip install llama-hub

LlamaIndex와 함께 쓰는 예시를 볼게요. Google Docs 로더로 문서를 읽고, 인덱스를 만들고, 질의하는 전체 흐름이에요.

from llama_index import VectorStoreIndex
from llama_hub.google_docs import GoogleDocsReader

gdoc_ids = ['1wf-y2pd9C878Oh-FmLH7Q_BQkljdm6TQal-c1pUfrec']
loader = GoogleDocsReader()
documents = loader.load_data(document_ids=gdoc_ids)
index = VectorStoreIndex.from_documents(documents)
index.query('Where did the author go to school?')

LangChain과 함께 쓸 땐 LangChain 포맷으로 변환해 QA 체인에 연결할 수 있어요.

langchain_documents = [d.to_langchain_format() for d in documents]
from langchain.llms import OpenAI
from langchain.chains.question_answering import load_qa_chain
llm = OpenAI(temperature=0)
qa_chain = load_qa_chain(llm)
answer = qa_chain.run(input_documents=langchain_documents, question="<query here>")

PyPI 패키지 대신 LlamaIndex의 download_loader를 쓰면 한 줄로 로더를 가져올 수 있어요. 예제 노트북에는 Google Docs, SQL 데이터베이스, Notion, Slack 데이터 에이전트와 Gmail·Calendar 관리, OpenAPI 스펙 읽기 같은 사례가 정리돼 있어요. 어떤 통합이 있는지 한눈에 보려면 LlamaHub 웹사이트(llamahub.ai)를 둘러보면 좋아요.