LlamaIndex 通过允许开发者使用新数据更新现有索引，而无需从头开始重建，从而支持增量索引。 这种方法节省了计算资源和时间，尤其是在处理大型或频繁更新的数据集时。 系统跟踪哪些文档已被处理，并将新的或修改的内容有效地集成到索引中，确保查询反映最新的信息。 增量索引对于实时文档检索或动态知识库等应用程序特别有用。
该框架通过两种主要机制实现这一点。 首先，它维护一个文档元数据注册表，包括唯一标识符和时间戳，以确定文档是新的还是已更新。 例如，当添加一个文件目录时，LlamaIndex 检查修改时间或内容哈希以检测更改。 其次，它与支持附加新嵌入的向量数据库（如 FAISS 或 Pinecone）集成。 当添加新文档时，LlamaIndex 会将其处理成文本块，生成嵌入，并将其插入到现有的向量存储中。 这避免了重新处理未更改的数据，同时保留了旧内容和新内容之间的语义关系。 开发者可以使用 index.add_documents(new_docs) 等方法来触发此过程。
一个实际的例子涉及一个客户支持知识库，该知识库每天都会收到更新。 LlamaIndex 使用元数据检查识别新的或修改的文章，而不是每晚重新索引数千篇文章。 它仅将这些更改转换为嵌入，并将其附加到索引。 这将处理时间从数小时减少到数分钟。 此外，如果删除文档，LlamaIndex 可以将其嵌入标记为非活动状态，而不是重建整个索引。 这种效率和准确性之间的平衡使增量索引成为维护响应式应用程序的关键功能，而不会牺牲数据扩展时的性能。