学习文档地址：第三章 第五节 索引优化
上下文拓展
在前面章节提到过文本分块的重要性，如果切块太小，则缺乏足够上下文，如果切的太大，又会造成噪音太多，降低检索的相关性。基于此，Llamaindex提出来句子窗口检索（Sentence Window Retrieval）。
主要思路
句子窗口检索的思想可以概括为：为检索精确性而索引小块，为上下文丰富性而检索大块。
结构化索引
当需要检索的文档特别多时，例如有几百个文档这种情况下，传统的RAG方法就有点力不从心了。这个时候，需要利用结构化索引，为所有文档附加上元数据，例如文件名、日期、作者等信息，能够更快定位所需要检索的信息。
基于表格的递归检索
在Excel中，每一个Sheet都是一个单独的文档，在这种情况下，需要一种更强大的策略：递归检索。它能实现“路由”功能，先将查询引导至正确的知识来源（正确的表格），然后再在该来源内部执行精确查询。
一些问题
在实际运行过程中，发现查询偶尔会报错，主要原因是，AI生成的pandas语句有问题，导致无法正确查到数据。 个人感觉两方面原因
- DeepSeek Chat 模型本身问题，对pandas的处理不太稳定，偶尔ok偶尔不行；换成deepseek-reasoner就能保证一直正确，就是稍微有点慢；
PandasQueryEngine是一个实验性功能，所以这方面也可能导致输出不稳定；
