代码从15行减到5行，查询速度快21%：LlamaIndex如何重新定义RAG系统

这是我学习LlamaIndex框架的完整记录。通过9个递进式的本地demo，从零开始理解RAG系统的核心概念。包括Document、Node、Index、QueryEngine、ChatEngine等5个核心概念的详细讲解，以及单轮查询和多轮对话的实现方法。适合想要快速上手LlamaIndex的初学者。

这是我的第一个完整RAG系统Demo。用一周时间从零开始，搭建了一个房产推荐AI系统。系统涉及向量表示学习、检索增强生成(RAG)、提示工程、对话管理、LCEL编程范式等核心知识。核心流程：用户提问 → 向量化 → 检索相关房源 → LLM生成答案 → 保存对话历史。技术栈：LangChain + Chroma + DashScope + FastAPI + Streamlit。