LlamaIndex 支持广泛的数据格式，以帮助开发人员将各种数据源与大型语言模型 (LLM) 集成。 该框架旨在处理结构化、半结构化和非结构化数据，使其能够适应许多用例。 常见格式包括纯文本文件、CSV、JSON、PDF 和 HTML。 例如，可以直接加载文本文件或 Markdown 文档，而像 CSV 或 JSON 这样的结构化数据可以解析为 LLM 可以处理的格式。 这种灵活性允许开发人员处理来自电子表格、API、数据库或网页的数据，而无需进行大量的预处理。
除了基本文件类型之外，LlamaIndex 还与数据库和第三方服务集成。 它通过查询界面支持 SQL 数据库（如 PostgreSQL 或 SQLite），从而可以直接检索结构化数据。 对于 Notion、Slack 或 Google Docs 等半结构化数据源，LlamaIndex 提供预构建的连接器或“读取器”，以简化数据摄取。 例如，NotionPageReader 可以从 Notion 页面提取文本，而 SimpleWebPageReader 可以从 URL 获取和处理 HTML 内容。 这些工具减少了统一来自不同平台的数据所需的工作量，让开发人员可以专注于构建用于 LLM 交互的数据结构。
开发人员还可以扩展 LlamaIndex 以处理自定义或小众格式。 该框架的模块化设计允许用户创建自定义数据加载器或预处理管道。 例如，如果您需要处理音频或图像文件，您可以集成语音转文本或 OCR 库，以将这些文件转换为文本，然后再将其馈送到 LlamaIndex 中。 此外，该框架还支持使用社区贡献或自定义模块来解析代码存储库（如 Python 文件）或专门格式（如通过 .eml 文件发送的电子邮件）。 这种适应性确保了即使是不太常见的数据类型也可以以最小的摩擦整合到由 LLM 驱动的应用程序中。